TED2015
Jim Simons: The mathematician who cracked Wall Street
Jim Simons: Uma entrevista rara com o matemático que decifrou Wall Street
Filmed:
Readability: 4
2,981,452 views
Jim Simons foi um matemático e criptógrafo que percebeu que a matemática complexa que usava para decifrar códigos podia ajudar a explicar padrões no mundo das finanças. Depois de ganhar milhares de milhões, trabalha para apoiar a próxima geração de professores e alunos de matemática. Chris Anderson, da TED, conversa com Simons sobre a sua extraordinária vida de 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:
O senhor é um fenómeno da matemática.
O senhor é um fenómeno da matemática.
Era muito novo, quando ensinou
em Harvard e no MIT.
em Harvard e no MIT.
00:15
You had already taught at Harvard
and MIT at a young age.
and MIT at a young age.
1
3675
3064
00:18
And then the NSA came calling.
2
6763
2190
Depois foi chamado pela NSA.
00:21
What was that about?
3
9464
1204
Como é que 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,
a National Security Agency,
a National Security Agency,
00:27
they didn't exactly come calling.
5
15154
1969
não me chamou, propriamente.
00:29
They had an operation at Princeton,
where they hired mathematicians
where they hired mathematicians
6
17465
4474
Tinham uma operação em Princeton,
onde contratavam matemáticos
onde contratavam matemáticos
00:33
to attack secret codes
and stuff like that.
and stuff like that.
7
21963
2942
para atacar códigos secretos
e coisas como essas.
e coisas como essas.
00:37
And I knew that existed.
8
25294
1672
Eu sabia que eles existiam.
00:39
And they had a very good policy,
9
27315
2180
Tinham uma política muito boa
00:41
because you could do half your time
at your own mathematics,
at your own mathematics,
10
29519
3850
porque dispúnhamos de metade do tempo
para a nossa matemática
para a nossa matemática
00:45
and at least half your time
working on their stuff.
working on their stuff.
11
33393
3484
e, pelo menos, metade do nosso tempo
a trabalhar nessas coisas.
a trabalhar nessas coisas.
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
Era uma oportunidade irresistível.
00:54
So, I went there.
14
42132
1912
Portanto, fui para lá.
00:56
CA: You were a code-cracker.
15
44068
1338
- O senhor era um decifrador de códigos.
- Pois era.
- Pois era.
00:57
JS: I was.
16
45430
1166
- Até ser despedido.
- Pois, fui despedido, sim.
- Pois, fui despedido, sim.
00:58
CA: Until you got fired.
17
46620
1157
00:59
JS: Well, I did get fired. Yes.
18
47801
1583
01:01
CA: How come?
19
49408
1245
- Como é que isso aconteceu?
- Como é que aconteceu?
- Como é que aconteceu?
01:03
JS: Well, how come?
20
51280
1333
01:05
I got fired because,
well, the Vietnam War was on,
well, the Vietnam War was on,
21
53611
4956
Fui despedido porque estava a decorrer
a Guerra do Vietname
a Guerra do Vietname
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 chefão dos chefes da minha organização
era um grande adepto da guerra
era um grande adepto da guerra
01:16
and wrote a New York Times article,
a magazine section cover story,
a magazine section cover story,
23
64353
4395
e escreveu um artigo no New York Times,
na primeira página da revista
na primeira página da revista
01:20
about how we would win in Vietnam.
24
68772
1770
sobre como podíamos ganhar no Vietname.
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.
Achava que era uma guerra estúpida.
Achava que era uma guerra estúpida.
01:25
And I wrote a letter to the Times,
which they published,
which they published,
26
73719
2665
Escrevi uma carta ao Times,
que eles publicaram,
que eles publicaram,
01:28
saying not everyone
who works for Maxwell Taylor,
who works for Maxwell Taylor,
27
76408
4014
dizendo que nem toda a gente
que trabalhava para Maxwell Taylor,
que trabalhava para Maxwell Taylor,
01:32
if anyone remembers that name,
agrees with his views.
agrees with his views.
28
80446
4686
— se é que alguém se lembra do nome dele —
concordava com a opinião dele.
concordava com a opinião dele.
01:37
And I gave my own views ...
29
85553
1658
E dava a minha opinião...
01:39
CA: Oh, OK. I can see that would --
30
87235
2164
CA: Oh, ok. Calculo que isso...
01:41
JS: ... which were different
from General Taylor's.
from General Taylor's.
31
89423
2555
JS: ... que era diferente
da do general Taylor.
da do general Taylor.
01:44
But in the end, nobody said anything.
32
92002
1906
Mas, afinal, ninguém comentou 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
Depois, eu tinha 29 anos nessa altura,
apareceu-me um miúdo
apareceu-me um miúdo
01:49
and said he was a stringer
from Newsweek magazine
from Newsweek magazine
34
97657
3088
que disse que era "freelancer"
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
queria entrevistar-me e perguntou-me
o que é que eu estava a fazer
quanto à minha opinião.
quanto à minha opinião.
01:58
And I told him, "I'm doing
mostly mathematics now,
mostly mathematics now,
36
106160
3899
Eu disse-lhe:
"Agora, faço sobretudo matemática,
"Agora, faço sobretudo 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 continuar a fazer isso".
vou continuar a fazer isso".
02:06
Then I did the only
intelligent thing I'd done that day --
intelligent thing I'd done that day --
38
114123
2825
Depois, fiz a única coisa inteligente
naquele dia.
naquele dia.
02:08
I told my local boss
that I gave that interview.
that I gave that interview.
39
116972
4157
Disse ao meu chefe local
que tinha dado aquela entrevista
que tinha dado aquela entrevista
e ele disse: "O que é que disseste?"
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 disse-lhe o que tinha dito.
02:16
And then he said,
"I've got to call Taylor."
"I've got to call Taylor."
42
124126
2315
E ele disse: "Tenho que falar com Taylor".
02:18
He called Taylor; that took 10 minutes.
43
126465
2377
Ligou para Taylor e demorou 10 minutos.
02:20
I was fired five minutes after that.
44
128866
2262
Fui despedido cinco minutos depois.
02:23
CA: OK.
45
131590
1222
CA: Ok.
02:24
JS: But it wasn't bad.
46
132836
1151
JS: Mas não foi mau de todo.
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: Não foi mau, porque o senhor
foi para Stony Brook
foi para Stony Brook
02:28
and stepped up your mathematical career.
48
136528
3133
e avançou na sua carreira de matemático.
02:31
You started working with this man here.
49
139685
2452
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: Oh, é Chern.
02:37
Chern was one of the great
mathematicians of the century.
mathematicians of the century.
52
145788
3104
Chern foi um dos grandes
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-o quando eu estava
a fazer a licenciatura em Berkeley.
a fazer a licenciatura em Berkeley.
02:46
And I had some ideas,
54
154173
1871
Eu tinha umas ideias,
02:48
and I brought them to him
and he liked them.
and he liked them.
55
156068
2447
mostrei-lhas e ele gostou delas.
02:50
Together, we did this work
which you can easily see up there.
which you can easily see up there.
56
158539
6626
Em conjunto, fizemos esse trabalho
como podemos ver ali em cima.
como podemos ver ali em cima.
02:57
There it is.
57
165189
1150
Lá está ele.
02:59
CA: It led to you publishing
a famous paper together.
a famous paper together.
58
167198
3606
CA: Levou-os a publicarem em conjunto
um documento famoso.
um documento famoso.
03:02
Can you explain at all what that work was?
59
170828
3238
Pode explicar-nos que trabalho foi esse?
03:07
JS: No.
60
175028
1158
JS: Não.
03:08
(Laughter)
61
176210
2274
(Risos)
JS: Quer dizer, posso explicá-lo
a algumas pessoas...
a algumas pessoas...
03:10
JS: I mean, I could
explain it to somebody.
explain it to somebody.
62
178966
2064
03:13
(Laughter)
63
181054
2075
(Risos)
03:15
CA: How about explaining this?
64
183153
1864
CA: Que tal explicá-lo aqui?
03:17
JS: But not many. Not many people.
65
185041
2729
JS: ... mas não a muitas pessoas, não.
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: O senhor disse-me
que tinha a ver com esferas
que tinha a ver com esferas
03:23
so let's start here.
67
191982
1862
por isso, podemos começar por aí.
03:25
JS: Well, it did,
but I'll say about that work --
but I'll say about that work --
68
193868
3600
JS: Pois disse,
em relação a esse trabalho,
em relação a esse 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
disse que tinha a ver com isso
mas, antes de lá chegarmos,
mas, antes de lá chegarmos,
03:32
that work was good mathematics.
70
200716
3540
aquele trabalho era boa matemática.
03:36
I was very happy with it; so was Chern.
71
204280
2492
Senti-me muito satisfeito com isso
e Chern também.
e Chern também.
03:39
It even started a little sub-field
that's now flourishing.
that's now flourishing.
72
207910
4176
Até deu início a um subcampo
que está agora florescente.
que está agora florescente.
03:44
But, more interestingly,
it happened to apply to physics,
it happened to apply to physics,
73
212638
5294
Mas, o mais interessante,
é que aplicou-se à física,
é que aplicou-se à física,
03:49
something we knew nothing about --
at least I knew nothing about physics,
at least I knew nothing about physics,
74
217956
4295
uma coisa de que nem suspeitávamos,
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 penso que Chern também
tinha muita dificuldade.
tinha muita dificuldade.
03:56
And about 10 years
after the paper came out,
after the paper came out,
76
224581
3963
Cerca de 10 anos depois
de ter sido publicado o documento,
de ter sido publicado o documento,
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 tipo chamado Ed Witten, em Princeton,
começou a aplicá-lo à teoria das cordas
começou a aplicá-lo à 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 os russos começaram a aplicá-lo
ao que se chama a "matéria condensada".
ao que se chama a "matéria condensada".
04:09
Today, those things in there
called Chern-Simons invariants
called Chern-Simons invariants
79
237948
4893
Atualmente, essas coisas chamadas
invariantes Chern-Simons
invariantes Chern-Simons
04:14
have spread through a lot of physics.
80
242865
1865
espalharam-se pela física.
04:16
And it was amazing.
81
244754
1174
Foi assombroso.
04:17
We didn't know any physics.
82
245952
1365
Nós não sabíamos 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 me passou pela cabeça
que ia ser aplicado na física.
que ia ser aplicado na física.
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 a matemática é assim,
nunca se sabe onde vai parar.
nunca se sabe onde vai parar.
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
Temos estado a falar de como a evolução
modela o espírito humano
modela o espírito humano
04:32
that may or may not perceive the truth.
87
260308
2508
que pode aperceber-se ou não da verdade.
04:34
Somehow, you come up
with a mathematical theory,
with a mathematical theory,
88
262840
3313
O senhor aparece
com uma teoria matemática,
com 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 descobre, 20 anos depois,
que ela está a ser aplicada
que ela está a ser aplicada
04:42
to profoundly describe
the actual physical world.
the actual physical world.
91
270571
3031
para descrever com profundidade
o mundo físico.
o mundo físico.
04:45
How can that happen?
92
273626
1153
- Como é que isso pode acontecer?
- Sabe-se lá.
- Sabe-se lá.
04:46
JS: God knows.
93
274803
1157
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 físico famoso, chamado 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 absurda eficácia da matemática.
a absurda eficácia da matemática.
04:59
Somehow, this mathematics,
which is rooted in the real world
which is rooted in the real world
97
287635
3952
Não se sabe como, esta matemática,
que está enraizada no mundo real,
que 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,
toda a gente faz isso —
toda a gente faz isso —
05:08
and then it flourishes on its own.
99
296630
1830
floresce por si mesma.
05:10
But so often it comes
back to save the day.
back to save the day.
100
298976
2841
E, com frequência,
produz resultados inesperados.
produz resultados inesperados.
05:14
General relativity is an example.
101
302293
2178
A relatividade geral é um exemplo desses.
05:16
[Hermann] Minkowski had this geometry,
and Einstein realized,
and Einstein realized,
102
304495
3117
Minkowski tinha aquela geometria
e Einstein percebeu:
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 mesmo a coisa em que posso
encaixar a relatividade geral".
encaixar a relatividade geral".
05:23
So, you never know. It is a mystery.
104
311507
3112
Portanto, 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: Isto é uma peça matemática
muito engenhosa.
muito engenhosa.
05:31
Tell us about this.
107
319617
1342
Fale-nos dela.
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, é uma bola, é uma esfera,
e tem uma rede em volta dela,
e tem uma rede em volta dela,
05:38
you know, those squares.
109
326931
1573
está a ver, aqueles 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 vou mostrar aqui
foi observado inicialmente por Euler,
foi observado inicialmente por Euler,
05:47
the great mathematician, in the 1700s.
111
335627
2254
o grande matemático, no século XVIII.
05:50
And it gradually grew to be
a very important field in mathematics:
a very important field in mathematics:
112
338223
5181
A pouco e pouco, foi-se tornando
num importante campo da matemática:
num importante campo da matemática:
05:55
algebraic topology, geometry.
113
343428
2334
a topologia algébrica, a geometria.
05:59
That paper up there had its roots in this.
114
347039
4364
Aquele documento
ali em cima assenta nisto.
ali em cima assenta nisto.
06:03
So, here's this thing:
115
351427
1834
Portanto, a coisa é esta:
06:05
it has eight vertices,
12 edges, six faces.
12 edges, six faces.
116
353285
4452
tem 8 vértices, 12 arestas, 6 faces.
06:09
And if you look at the difference --
vertices minus edges plus faces --
vertices minus edges plus faces --
117
357761
3830
Se olharmos para as diferenças
— os vértices menos as arestas,
mais as faces —
mais as faces —
06:13
you get two.
118
361615
1152
obtemos dois.
06:14
OK, well, two. That's a good number.
119
362791
2219
Ok, dois. É um número bonito.
06:17
Here's a different way of doing it --
these are triangles covering --
these are triangles covering --
120
365034
4248
Esta é outra maneira de fazer o mesmo.
Estes são triângulos que a cobrem.
Estes são triângulos que a cobrem.
06:21
this has 12 vertices and 30 edges
121
369306
4577
Há 12 vértices e 30 arestas,
06:25
and 20 faces, 20 tiles.
122
373907
4195
20 faces — 20 triângulos.
06:30
And vertices minus edges
plus faces still equals two.
plus faces still equals two.
123
378576
4591
Os vértices, menos as arestas,
mais as faces também é igual a dois.
mais as faces também é igual a dois.
06:35
And in fact, you could do this
any which way --
any which way --
124
383191
2847
Na realidade, podemos fazer isto,
seja como for,
seja como for,
06:38
cover this thing with all kinds
of polygons and triangles
of polygons and triangles
125
386062
3398
cobrir esta coisa com todo o tipo
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
Calculamos os vértices menos as arestas,
mais as faces, obtemos sempre dois.
mais as faces, obtemos sempre dois.
06:46
Here's a different shape.
128
394131
1611
Esta é uma configuração diferente.
06:48
This is a torus, or the surface
of a doughnut: 16 vertices
of a doughnut: 16 vertices
129
396480
5250
Isto é um toro,
parece a superfície de um "donut":
parece a superfície de um "donut":
16 vértices, cobertos por estes retângulos,
32 arestas, 16 faces.
32 arestas, 16 faces.
06:53
covered by these rectangles,
32 edges, 16 faces.
32 edges, 16 faces.
130
401754
4244
[V - A + F = 0]
06:58
Vertices minus edges comes out to be zero.
131
406530
2684
Dá sempre o resultado zero,
vértices, menos arestas, mais faces
vértices, menos arestas, mais faces
07:01
It'll always come out to zero.
132
409238
1475
07:02
Every time you cover a torus
with squares or triangles
with squares or triangles
133
410737
4310
Sempre que cobrimos um toro
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 dessas,
vamos obter zero.
vamos obter zero.
07:12
So, this is called
the Euler characteristic.
the Euler characteristic.
135
420514
2390
Isto chama-se a característica de Euler.
07:14
And it's what's called
a topological invariant.
a topological invariant.
136
422928
3449
É aquilo a que se chama
uma invariante topológica.
uma invariante topológica.
07:18
It's pretty amazing.
137
426849
1156
É espantosa.
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
Façamos o que fizermos,
obtemos sempre a mesma resposta.
obtemos sempre a mesma resposta.
07:22
So that was the first sort of thrust,
from the mid-1700s,
from the mid-1700s,
139
430844
6299
Portanto, este foi o primeiro impulso,
em meados do século XVIII,
em meados do século XVIII,
07:29
into a subject which is now called
algebraic topology.
algebraic topology.
140
437167
3769
num assunto que agora
se chama topologia algébrica.
se chama 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: O seu trabalho foi agarrar
numa ideia dessas
numa ideia dessas
07:35
into higher-dimensional theory,
142
443967
2449
e transformá-la numa teoria
de dimensão mais elevada,
de dimensão mais elevada,
07:38
higher-dimensional objects,
and found new invariances?
and found new invariances?
143
446440
3088
em objetos de maior dimensão
e descobrir novas invariantes?
e descobrir novas invariantes?
07:41
JS: Yes. Well, there were already
higher-dimensional invariants:
higher-dimensional invariants:
144
449552
4643
JS: Foi. Já havia invariantes
de maior dimensão:
de maior dimensão:
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 punhado
desses tipos de invariantes.
desses tipos de invariantes.
07:54
I was struggling to work on one of them
147
462272
4135
Eu tentei trabalhar num deles
07:58
and model it sort of combinatorially,
148
466431
4203
e criar um modelo envolvendo
uma combinação de elementos,
uma combinação de elementos,
em vez da forma
como era feito habitualmente.
como era feito habitualmente.
08:02
instead of the way it was typically done,
149
470658
3022
08:05
and that led to this work
and we uncovered some new things.
and we uncovered some new things.
150
473704
4359
Isso levou a este trabalho
e descobrimos coisas novas.
e descobrimos coisas novas.
08:10
But if it wasn't for Mr. Euler --
151
478087
3501
Mas se não fosse o Sr. Euler
08:13
who wrote almost 70 volumes of mathematics
152
481612
3981
— que escreveu quase 70 volumes
de matemática,
de matemática,
08:17
and had 13 children,
153
485617
1731
teve 13 filhos que, segundo parece,
08:19
who he apparently would dandle on his knee
while he was writing --
while he was writing --
154
487372
6442
brincavam nos joelhos dele,
enquanto ele escrevia —
enquanto ele 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 o Sr. Euler,
talvez não houvesse estas invariantes.
talvez não houvesse 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: Bem, isso, pelo menos, deu-nos
um pequeno perfume desse espírito notável.
um pequeno perfume desse espírito notável.
08:36
Let's talk about Renaissance.
157
504804
1543
Falemos 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
Com o seu espírito espantoso
e, dado ter sido decifrador
de códigos na NSA,
de códigos na NSA,
08:44
you started to become a code-cracker
in the financial industry.
in the financial industry.
159
512251
3229
o senhor começou a decifrar códigos
na indústria financeira.
na indústria financeira.
08:47
I think you probably didn't buy
efficient market theory.
efficient market theory.
160
515504
2690
Penso que o senhor não deve ter
acreditado numa teoria de mercado eficaz.
acreditado numa teoria de mercado eficaz.
08:50
Somehow you found a way of creating
astonishing returns over two decades.
astonishing returns over two decades.
161
518218
6387
De certo modo,
o senhor descobriu uma forma
o senhor descobriu uma forma
de criar lucros espantosos
durante 20 anos.
durante 20 anos.
08:56
The way it's been explained to me,
162
524629
1671
Segundo me explicaram,
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 espantoso é que o senhor não se limitou
à dimensão dos lucros,
à dimensão dos lucros,
09:01
it's that you took them
with surprisingly low volatility and risk,
with surprisingly low volatility and risk,
164
529847
3883
o senhor assumiu-os com uma volatilidade
e um risco surpreendentemente baixos,
e um risco surpreendentemente baixos,
09:05
compared with other hedge funds.
165
533754
1824
em comparação
com outros fundos de cobertura.
com outros fundos de cobertura.
09:07
So how on earth did you do this, Jim?
166
535602
1929
Como é que conseguiu isso, Jim?
JS: Consegui-o, reunindo
um grupo espantoso de pessoas.
um grupo espantoso de pessoas.
09:10
JS: I did it by assembling
a wonderful group of people.
a wonderful group of people.
167
538071
4111
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 negociar, eu estava
a ficar um pouco cansado da matemática.
a ficar 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
Estava a aproximar-me dos 40 anos,
tinha pouco dinheiro.
tinha pouco dinheiro.
09:22
I started trading and it went very well.
170
550133
2509
Comecei a negociar e saí-me muito bem.
09:25
I made quite a lot of money
with pure luck.
with pure luck.
171
553063
2748
Ganhei muito dinheiro, puramente à sorte.
09:27
I mean, I think it was pure luck.
172
555835
1666
Acho que foi puramente à sorte.
09:29
It certainly wasn't mathematical modeling.
173
557525
2109
De certeza que não foi
com nenhum modelo matemático.
com nenhum modelo matemático.
09:31
But in looking at the data,
after a while I realized:
after a while I realized:
174
559658
3831
Mas, ao olhar para os dados,
ao fim de um tempo, percebi:
ao fim de um tempo, percebi:
09:35
it looks like there's some structure here.
175
563513
2553
parece que há aqui qualquer estrutura.
09:38
And I hired a few mathematicians,
and we started making some models --
and we started making some models --
176
566090
3697
Contratei matemáticos
e começámos a fazer modelos.
e começámos a fazer 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
o tipo de coisas que tínhamos feito
no Instituto para Análise da Defesa, o IDA
no Instituto para Análise da Defesa, o IDA
09:46
You design an algorithm,
you test it out on a computer.
you test it out on a computer.
178
574100
2833
Concebemos um algoritmo,
testamo-lo num computador.
testamo-lo num computador.
09:48
Does it work? Doesn't it work? And so on.
179
576957
2166
Funciona? Não funciona? Etc.
09:51
CA: Can we take a look at this?
180
579443
1479
CA: Podemos dar uma vista de olhos nisso?
09:52
Because here's a typical graph
of some commodity.
of some commodity.
181
580946
4541
Porque temos aqui
um gráfico vulgar de um bem qualquer
um gráfico vulgar de um bem qualquer
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
Olho para ele e digo:
"Isto é aleatório, sobe e desce,
"Isto é aleatório, sobe e desce,
"talvez uma leve tendência para cima,
ao longo daquele período de tempo".
ao longo daquele período de tempo".
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
Como é possível negociar,
a olhar para aquilo
a olhar para aquilo
10:07
and see something that wasn't just random?
185
595575
2326
e ver qualquer coisa
que não seja apenas aleatório?
que não seja 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: Antigamente
— este é o tipo de gráfico de antigamente —
— este é o tipo de gráfico de antigamente —
10:13
commodities or currencies
had a tendency to trend.
had a tendency to trend.
187
601196
4284
os bens ou as divisas
tinham uma evolução tendencial.
tinham uma evolução tendencial.
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 propriamente a tendência
muito ténue que aqui vemos,
muito ténue que aqui vemos,
mas uma tendência por períodos.
10:23
And if you decided, OK,
I'm going to predict today,
I'm going to predict today,
189
611583
4056
Se eu decidir que vou prever hoje
10:27
by the average move in the past 20 days --
190
615663
4968
segundo o movimento médio
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 seja uma boa previsão,
e eu ganhe dinheiro.
e eu ganhe dinheiro.
10:35
And in fact, years ago,
such a system would work --
such a system would work --
192
623786
5608
Na realidade, há uns anos,
esse sistema podia funcionar,
esse sistema podia funcionar,
10:41
not beautifully, but it would work.
193
629418
2391
não de forma impecável, mas funcionava.
Ganhava-se dinheiro, perdia-se dinheiro,
ganhava-se dinheiro.
ganhava-se dinheiro.
10:43
You'd make money, you'd lose
money, you'd make money.
money, you'd make money.
194
631833
2509
10:46
But this is a year's worth of days,
195
634366
2198
Mas era uma questão de dias num ano
10:48
and you'd make a little money
during that period.
during that period.
196
636588
4241
e ganhávamos algum dinheiro,
durante esse período.
durante esse período.
É um sistema muito baseado em indícios.
10:53
It's a very vestigial system.
197
641884
1958
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: Portanto, o senhor testava uma série
de tendências ao longo do tempo
de tendências ao longo do tempo
11:00
and see whether, for example,
199
648078
2436
e via 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
a tendência de 10 dias, ou de 15 dias,
era prenúncio do que aconteceria a seguir.
era prenúncio do que aconteceria a seguir.
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, nós tentávamos tudo isso
e víamos qual funcionava melhor.
e víamos qual funcionava melhor.
11:13
Trend-following would
have been great in the '60s,
have been great in the '60s,
202
661515
3350
O acompanhamento das tendências
funcionou otimamente nos anos 60
funcionou otimamente nos anos 60
11:16
and it was sort of OK in the '70s.
203
664889
2132
e esteve mais ou menos bem nos anos 70.
11:19
By the '80s, it wasn't.
204
667045
1873
Nos anos 80, já não resultava.
11:20
CA: Because everyone could see that.
205
668942
2817
CA: Porque já toda a gente sabia disso.
11:23
So, how did you stay ahead of the pack?
206
671783
2782
Como é que conseguiu passar
à frente da multidão?
à frente da multidão?
11:27
JS: We stayed ahead of the pack
by finding other approaches --
by finding other approaches --
207
675046
6132
JS: Passámos à frente da multidão,
descobrindo outras abordagens,
descobrindo outras abordagens,
11:33
shorter-term approaches to some extent.
208
681202
2741
abordagens de prazo mais curto,
em certa medida.
em certa medida.
11:37
The real thing was to gather
a tremendous amount of data --
a tremendous amount of data --
209
685107
3347
A coisa era reunir uma tremenda
quantidade de dados
quantidade de dados
11:40
and we had to get it by hand
in the early days.
in the early days.
210
688478
3578
— e, naquela altura, era tudo feito à mão.
11:44
We went down to the Federal Reserve
and copied interest rate histories
and copied interest rate histories
211
692080
3466
Íamos ao Federal Reserve e copiávamos
histórias de taxas de juros
histórias de taxas de juros
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 dessas,
porque não existiam computadores.
porque não existiam computadores.
11:50
We got a lot of data.
213
698859
1643
Tínhamos montes de dados
11:52
And very smart people -- that was the key.
214
700526
4160
e pessoas muito inteligentes,
a chave era essa.
a chave era essa.
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 as negociações fundamentais.
para as negociações fundamentais.
Contratei algumas — umas faziam dinheiro,
outras não faziam dinheiro.
outras não faziam dinheiro.
12:01
I had hired a few -- some made money,
some didn't make money.
some didn't make money.
216
709749
2949
12:04
I couldn't make a business out of that.
217
712722
1880
Não podia negociar assim.
12:06
But I did know how to hire scientists,
218
714626
2042
Mas sabia como contratar cientistas,
12:08
because I have some taste
in that department.
in that department.
219
716692
3389
porque tenho algum faro nesse campo.
Foi o que fizemos.
12:12
So, that's what we did.
220
720105
1838
12:13
And gradually these models
got better and better,
got better and better,
221
721967
3231
A pouco e pouco, os modelos
foram ficando cada vez melhores,
foram ficando cada vez melhores,
12:17
and better and better.
222
725222
1335
cada vez melhores.
12:18
CA: You're credited with doing
something remarkable at Renaissance,
something remarkable at Renaissance,
223
726581
3214
CA: Tem o mérito de ter feito
uma coisa espantosa na Renaissance,
uma coisa espantosa na Renaissance,
12:21
which is building this culture,
this group of people,
this group of people,
224
729819
2601
criar essa cultura, esse grupo de pessoas,
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 só "mercenários"
que se iriam embora só por dinheiro.
que se iriam embora só por dinheiro.
12:27
Their motivation was doing
exciting mathematics and science.
exciting mathematics and science.
226
735610
3912
A motivação delas era fazer
matemática e ciência excitantes.
matemática e ciência excitantes.
12:31
JS: Well, I'd hoped that might be true.
227
739860
2399
JS: Eu tinha esperança
que isso acontecesse.
que isso acontecesse.
12:34
But some of it was money.
228
742283
3580
Mas também era por dinheiro.
CA: Elas ganharam muito dinheiro.
12:37
CA: They made a lot of money.
229
745887
1393
12:39
JS: I can't say that no one came
because of the money.
because of the money.
230
747304
2537
JS: Não posso dizer
que ninguém veio por dinheiro.
que ninguém veio por dinheiro.
12:41
I think a lot of them
came because of the money.
came because of the money.
231
749865
2253
Acho que muitos deles vieram por dinheiro.
Mas também vieram porque ia ser divertido.
12:44
But they also came
because it would be fun.
because it would be fun.
232
752142
2021
12:46
CA: What role did machine learning
play in all this?
play in all this?
233
754187
2488
CA: Que papel desempenhou
a aprendizagem de máquinas em tudo isso?
a aprendizagem de máquinas em tudo isso?
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
foi aprendizagem de máquinas.
foi aprendizagem de máquinas.
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
Olhamos para uma data de dados e tentamos
simular diferentes esquemas de previsão,
simular diferentes esquemas de previsão,
12:59
until you get better and better at it.
236
767194
2182
até sermos cada vez melhores nisso.
13:01
It doesn't necessarily feed back on itself
the way we did things.
the way we did things.
237
769400
3767
Não havia propriamente um "feedback"
na forma como fazíamos,
na forma como fazíamos,
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 diferentes esquemas
de previsão podem ser inesperados.
de previsão podem ser inesperados.
Ou seja, vocês olhavam para tudo, não era?
13:12
I mean, you looked at everything, right?
240
780233
1914
13:14
You looked at the weather,
length of dresses, political opinion.
length of dresses, political opinion.
241
782171
3317
Olhavam para o tempo, para o comprimento
das saias, para a opinião pública.
das saias, para a opinião pública.
13:17
JS: Yes, length of dresses we didn't try.
242
785512
2837
JS: Bem, essa do comprimento das saias
não experimentámos.
não experimentámos.
13:20
CA: What sort of things?
243
788373
2057
CA: Que tipo de coisas?
13:22
JS: Well, everything.
244
790454
1158
JS: Tudo.
13:23
Everything is grist for the mill --
except hem lengths.
except hem lengths.
245
791636
3264
Tudo servia para alimentar a máquina,
exceto o comprimento das bainhas.
exceto o comprimento das bainhas.
13:28
Weather, annual reports,
246
796852
2300
O tempo, os relatórios anuais,
13:31
quarterly reports, historic data itself,
volumes, you name it.
volumes, you name it.
247
799176
4732
os relatórios trimestrais,
os dados históricos, os volumes, etc.
os dados históricos, os volumes, etc.
Tudo e mais alguma coisa.
13:35
Whatever there is.
248
803932
1151
13:37
We take in terabytes of data a day.
249
805107
2621
Obtínhamos "terabytes" de dados
todos os dias.
todos os dias.
13:39
And store it away and massage it
and get it ready for analysis.
and get it ready for analysis.
250
807752
4124
Não os púnhamos de lado, manipulávamo-los
e preparávamo-los para análise.
e preparávamo-los para análise.
Procurávamos anomalias.
13:45
You're looking for anomalies.
251
813446
1382
13:46
You're looking for -- like you said,
252
814852
2953
Conforme você disse,
víamos se a hipótese do mercado eficaz
não estava correta.
não estava 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 qualquer anomalia podia ser
apenas uma coisa aleatória.
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
O segredo é procurar apenas
múltiplas anomalias estranhas
múltiplas anomalias estranhas
e ver como elas se alinham?
13:59
and see when they align?
256
827478
1328
14:01
JS: Any one anomaly
might be a random thing;
might be a random thing;
257
829238
3213
JS: Qualquer anomalia
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 tivermos dados suficientes,
podemos dizer se não é.
podemos dizer se 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
Se encontrarmos uma anomalia persistente
durante tempo suficiente,
durante tempo suficiente,
14:12
the probability of it being
random is not high.
random is not high.
260
840512
4975
a probabilidade de ser aleatória
é muito baixa.
é muito baixa.
14:17
But these things fade after a while;
anomalies can get washed out.
anomalies can get washed out.
261
845511
4858
Mas se essas coisas desaparecem
após algum tempo,
após algum tempo,
as anomalias são postas de lado.
14:22
So you have to keep on top
of the business.
of the business.
262
850393
2420
Temos que nos manter sempre
atentos aos negócios.
atentos aos negócios.
14:24
CA: A lot of people look
at the hedge fund industry now
at the hedge fund industry now
263
852837
2672
CA: Muita gente olha agora para a
indústria dos fundos de cobertura
indústria dos fundos de cobertura
14:27
and are sort of ... shocked by it,
264
855533
4398
e sente-se chocada
14:31
by how much wealth is created there,
265
859955
2172
pela quantidade de riqueza que gera
14:34
and how much talent is going into it.
266
862151
2245
e quanto talento consome.
14:37
Do you have any worries
about that industry,
about that industry,
267
865523
4006
Sente-se preocupado com esta indústria
14:41
and perhaps the financial
industry in general?
industry in general?
268
869553
2414
e com a indústria financeira, em geral?
14:43
Kind of being on a runaway train that's --
269
871991
2704
Por estar numa espécie
de corrida desenfreada
de corrida desenfreada
14:46
I don't know --
helping increase inequality?
helping increase inequality?
270
874719
4030
que, sei lá, ajuda
a aumentar a desigualdade?
a aumentar a desigualdade?
14:50
How would you champion what's happening
in the hedge fund industry?
in the hedge fund industry?
271
878773
3831
Como defenderia o que está a acontecer?
14:54
JS: I think in the last
three or four years,
three or four years,
272
882628
2608
JS: Penso 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 têm estado especialmente bem.
não têm estado especialmente bem.
14:59
We've done dandy,
274
887387
1400
Nós temos estado bem,
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 dos fundos de cobertura,
no seu conjunto, não tem estado muito bem.
no seu conjunto, não tem estado muito 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 andado sobre rodas,
como toda a gente sabe,
como toda a gente sabe,
15:09
and price-earnings ratios have grown.
277
897762
3445
e os rácios preços-rendimentos
têm aumentado.
têm aumentado.
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
Portanto, uma grande parte da riqueza
que tem sido criada
que tem sido criada
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
nos últimos 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 perguntam-me:
"A como está o fundo de cobertura?"
"A como está o fundo de cobertura?"
15:23
And I'd say, "One and 20."
281
911703
2260
E eu dizia: "Está a 1,20".
15:25
Which means -- now it's two and 20 --
282
913987
3566
Ou seja — agora está a 2,20 —
15:29
it's two percent fixed fee
and 20 percent of profits.
and 20 percent of profits.
283
917577
3353
é 2% de taxa fixa, com 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 um tipo de criaturas diferentes.
são um tipo de criaturas diferentes.
15:35
CA: Rumor has it you charge
slightly higher fees than that.
slightly higher fees than that.
285
923330
3239
CA: Consta que o senhor cobra taxas
um pouco mais altas do que isso.
um pouco mais altas do que isso.
JS: Nós cobrámos as taxas mais altas
do mundo, em determinada altura.
do mundo, em determinada altura.
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
A 5,44, foi quanto cobrámos.
CA: A 5, 44.
15:45
CA: Five and 44.
288
933694
1398
15:47
So five percent flat,
44 percent of upside.
44 percent of upside.
289
935116
3234
Portanto, 5% fixos e 44% de ganhos.
15:50
You still made your investors
spectacular amounts of money.
spectacular amounts of money.
290
938374
2783
Mesmo assim, os vossos investidores
ganharam imenso dinheiro.
ganharam imenso dinheiro.
15:53
JS: We made good returns, yes.
291
941181
1452
JS: Sim, fizemos bons lucros.
15:54
People got very mad:
"How can you charge such high fees?"
"How can you charge such high fees?"
292
942657
3000
As pessoas ficavam loucas:
"Como é que podem cobrar taxas tão altas?"
"Como é que podem cobrar taxas tão altas?"
15:57
I said, "OK, you can withdraw."
293
945681
1627
Eu dizia: "Ok, podem ir-se embora".
15:59
But "How can I get more?"
was what people were --
was what people were --
294
947332
2818
Mas as pessoas diziam:
"Como é que posso ganhar mais?"
"Como é que posso ganhar mais?"
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 já lhe disse isso —
— acho que já lhe 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
comprámos tudo aos investidores
porque há uma capacidade para o fundo.
porque há uma capacidade para o fundo.
CA: Mas devemos preocupar-nos
que a indústria dos fundos de cobertura
que a indústria dos 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
atraia demasiados matemáticos
mundiais e outros talentos
mundiais e outros talentos
para trabalharem nela, em oposição
a muitos outros prolemas no mundo?
a muitos outros prolemas no 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
16:22
JS: Well, it's not just mathematical.
301
970817
1929
JS: Bem, não são só os matemáticos.
Contratámos astrónomos
e físicos e coisas dessas.
e físicos e coisas dessas.
16:24
We hire astronomers and physicists
and things like that.
and things like that.
302
972770
2679
16:27
I don't think we should worry
about it too much.
about it too much.
303
975833
2431
Penso que não nos devemos
preocupar demasiado.
preocupar demasiado.
16:30
It's still a pretty small industry.
304
978288
3142
É uma indústria muito reduzida.
16:33
And in fact, bringing science
into the investing world
into the investing world
305
981454
5997
Na verdade, a introdução da ciência
no mundo do investimento
no 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
Reduziu a volatilidade.
Aumentou a liquidez.
Aumentou a liquidez.
Os "spreads" são mais apertados porque
as pessoas negoceiam nesse tipo de coisas.
as pessoas negoceiam nesse tipo de coisas.
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
Portanto, não me preocupa muito se Einstein
resolver iniciar um fundo de cobertura.
resolver iniciar 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: O senhor está numa fase da sua vida
em que está a investir
em que está a investir
16:58
at the other end of the supply chain --
311
1006666
3734
no extremo oposto da cadeia da oferta.
17:02
you're actually boosting
mathematics across America.
mathematics across America.
312
1010424
4104
Está a espalhar a matemática
por todos os EUA.
por todos os EUA.
17:06
This is your wife, Marilyn.
313
1014552
1865
Esta é a sua mulher, Marilyn.
17:08
You're working on
philanthropic issues together.
philanthropic issues together.
314
1016441
4756
Estão a trabalhar em conjunto
em questões filantrópicas.
em questões filantrópicas.
17:13
Tell me about that.
315
1021221
1163
Fale-me disso.
17:14
JS: Well, Marilyn started --
316
1022408
3649
JS: Bem, foi Marilyn que começou
17:18
there she is up there,
my beautiful wife --
my beautiful wife --
317
1026081
3447
— lá está ela ali, a minha bonita mulher —
17:21
she started the foundation
about 20 years ago.
about 20 years ago.
318
1029552
2972
começou com a fundação, há uns 20 anos.
17:24
I think '94.
319
1032548
1151
Penso que em 1994.
17:25
I claim it was '93, she says it was '94,
320
1033723
2095
Eu digo que foi em 1993,
ela diz que foi em 1994,
ela diz que foi em 1994,
17:27
but it was one of those two years.
321
1035842
2571
mas foi num desses anos.
17:30
(Laughter)
322
1038437
2135
(Risos)
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
Iniciámos a 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 faz a contabilidade e coisas dessas.
17:42
We did not have a vision at that time,
but gradually a vision emerged --
but gradually a vision emerged --
325
1050877
6714
Naquela altura, não tínhamos uma visão,
mas a pouco e pouco essa visão surgiu.
mas a pouco e pouco essa visão surgiu.
17:49
which was to focus on math and science,
to focus on basic research.
to focus on basic research.
326
1057615
5504
Foi concentrarmo-nos
na matemática e na ciência,
na matemática e na ciência,
concentrarmo-nos na investigação básica.
17:55
And that's what we've done.
327
1063569
2772
Foi isso que fizemos.
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 seis anos, saí da Renaissance
e fui trabalhar para a fundação.
e fui trabalhar para a fundação.
18:04
So that's what we do.
329
1072744
1571
Foi isso que fizemos.
18:06
CA: And so Math for America
is basically investing
is basically investing
330
1074339
2909
CA: Então, Math for America é, sobretudo,
investir em professores de matemática
por todo o país,
por todo o país,
18:09
in math teachers around the country,
331
1077272
2638
18:11
giving them some extra income,
giving them support and coaching.
giving them support and coaching.
332
1079934
3802
dar-lhes um rendimento extra,
dar-lhes apoio e orientação.
dar-lhes apoio e orientação.
18:15
And really trying
to make that more effective
to make that more effective
333
1083760
3051
Tentar torná-la mais eficaz
e torná-la numa vocação
a que os professores podem aspirar.
a que os professores podem aspirar.
18:18
and make that a calling
to which teachers can aspire.
to which teachers can aspire.
334
1086835
2601
18:21
JS: Yeah -- instead of beating up
the bad teachers,
the bad teachers,
335
1089460
4790
JS: Sim, em vez de deitarmos abaixo
os maus professores
os maus professores
18:26
which has created morale problems
all through the educational community,
all through the educational community,
336
1094274
4853
— o que criou problemas morais
em toda a comunidade do ensino,
em toda a comunidade do ensino,
18:31
in particular in math and science,
337
1099151
2441
em especial na matemática e na ciência —
18:33
we focus on celebrating the good ones
and giving them status.
and giving them status.
338
1101616
6130
nós damos destaque aos bons professores
e oferecemos-lhes estatuto.
e oferecemos-lhes estatuto.
18:39
Yeah, we give them extra money,
15,000 dollars a year.
15,000 dollars a year.
339
1107770
2931
Também lhes damos dinheiro extra,
15 000 dólares por ano.
15 000 dólares 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 hoje 800 professores
de matemática e de ciência
de matemática e de ciência
em Nova Iorque, em escolas públicas,
18:47
as part of a core.
341
1115216
1814
constituindo um núcleo.
18:49
There's a great morale among them.
342
1117054
3686
Têm uma moral muito elevada.
18:52
They're staying in the field.
343
1120764
2506
Mantêm-se no terreno.
18:55
Next year, it'll be 1,000
and that'll be 10 percent
and that'll be 10 percent
344
1123294
2895
No próximo ano, serão 1000,
mas são apenas 10% dos professores
de matemática e ciência
de matemática e ciência
18:58
of the math and science teachers
in New York [City] public schools.
in New York [City] public schools.
345
1126213
3544
nas escolas públicas de Nova Iorque.
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: Jim, há um outro projeto
que o senhor apoia filantropicamente.
que o senhor apoia filantropicamente.
19:11
Research into origins of life, I guess.
348
1139144
2397
Suponho que é a investigação
sobre a origem da vida.
sobre a origem da vida.
19:13
What are we looking at here?
349
1141565
1447
O que é que procura nisso?
19:15
JS: Well, I'll save that for a second.
350
1143536
1882
JS: Vou guardar essa pergunta
19:17
And then I'll tell you
what you're looking at.
what you're looking at.
351
1145442
2162
e depois digo-lhe o que ando à procura.
19:19
Origins of life is a fascinating question.
352
1147628
3056
A origem da vida é uma questão fascinante.
19:22
How did we get here?
353
1150708
1533
Como é que lá chegámos?
Há duas questões.
19:25
Well, there are two questions:
354
1153170
1771
19:26
One is, what is the route
from geology to biology --
from geology to biology --
355
1154965
5868
Uma é o caminho
da geologia para a biologia,
da geologia para a biologia,
como é que lá chegámos?
19:32
how did we get here?
356
1160857
1381
19:34
And the other question is,
what did we start with?
what did we start with?
357
1162262
2364
A outra questão é,
com que é que iniciámos?
com que é que iniciámos?
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
Que material tivemos
para entrarmos nessa via?
para entrarmos nessa via?
19:39
Those are two very,
very interesting questions.
very interesting questions.
359
1167776
3061
São duas questões 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 questão é um caminho tortuoso,
da geologia para o ARN
ou qualquer coisa assim.
ou qualquer coisa assim.
19:49
or something like that --
how did that all work?
how did that all work?
361
1177631
2258
Como é que isso funcionou?
19:51
And the other,
what do we have to work with?
what do we have to work with?
362
1179913
2388
A outra, o que é que temos para trabalhar?
19:54
Well, more than we think.
363
1182325
1771
Temos mais do que pensamos.
19:56
So what's pictured there
is a star in formation.
is a star in formation.
364
1184120
4843
O que se mostra ali
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, na nossa Via Láctea,
que tem 100 mil milhões de estrelas,
que tem 100 mil milhões de estrelas,
20:05
about two new stars are created.
366
1193285
2495
criam-se duas novas estrelas.
20:07
Don't ask me how, but they're created.
367
1195804
2470
Não me pergunte como,
mas são duas novas estrelas.
mas são duas novas estrelas.
20:10
And it takes them about a million
years to settle out.
years to settle out.
368
1198298
3080
Levam cerca de um milhão de anos
a estabilizar.
a estabilizar.
Num determinado momento,
20:14
So, in steady state,
369
1202132
2176
20:16
there are about two million stars
in formation at any time.
in formation at any time.
370
1204332
3848
há sempre cerca de dois milhões
de estrelas em formação.
de estrelas em formação.
20:20
That one is somewhere
along this settling-down period.
along this settling-down period.
371
1208204
3458
Aquela ali está algures
no período de estabilização.
no período de estabilização.
20:24
And there's all this crap
sort of circling around it,
sort of circling around it,
372
1212067
2936
E há toda aquela tralha
a circular à volta dela,
a circular à volta 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
Provavelmente vai formar um sistema solar,
ou qualquer outra coisa.
ou qualquer outra coisa.
20:32
But here's the thing --
375
1220526
2176
Mas o importante
20:34
in this dust that surrounds a forming star
376
1222726
6348
é que na poeira que rodeia
uma estrela em formação
uma estrela em formação
20:41
have been found, now,
significant organic molecules.
significant organic molecules.
377
1229098
6035
encontraram-se 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, para além das de metano,
moléculas de formaldeído e cianido,
moléculas de formaldeído e cianido,
20:54
things that are the building blocks --
the seeds, if you will -- of life.
the seeds, if you will -- of life.
379
1242121
6517
coisas que são os blocos de construção,
as sementes da vida.
as sementes da vida.
21:01
So, that may be typical.
380
1249136
2692
Isto pode ser característico.
21:04
And it may be typical
that planets around the universe
that planets around the universe
381
1252395
6934
Pode ser característico
que os planetas, por todo o universo,
que os planetas, por todo o universo,
21:11
start off with some of these
basic building blocks.
basic building blocks.
382
1259353
3612
se iniciem com alguns destes 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
Isso significa que vai haver vida
por toda a parte?
por toda a parte?
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
Mas é uma questão que mostra
como este caminho é tortuoso,
como este caminho é tortuoso,
21:24
from those frail beginnings,
those seeds, all the way to life.
those seeds, all the way to life.
386
1272108
4394
desde o frágil começo,
dessas sementes, até à vida.
dessas sementes, até à vida.
21:28
And most of those seeds
will fall on fallow planets.
will fall on fallow planets.
387
1276526
5192
A maior parte dessas sementes
cairão em planetas inativos.
cairão em planetas inativos.
21:33
CA: So for you, personally,
388
1281742
1409
CA: Então, para si, pessoalmente,
o senhor adoraria
o senhor adoraria
21:35
finding an answer to this question
of where we came from,
of where we came from,
389
1283175
2722
encontrar uma resposta para essa questão
de onde é que nós viemos,
de onde é que nós 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 isso aconteceu.
21:41
JS: Would love to see.
391
1289603
1786
JS: Adoraria.
21:43
And like to know --
392
1291413
1490
E gostaria de saber,
21:44
if that path is tortuous enough,
and so improbable,
and so improbable,
393
1292927
5170
já que este caminho
é tão tortuoso e tão improvável,
é tão tortuoso 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
se seremos os únicos,
por onde quer que tenhamos começado.
por onde quer que tenhamos começado.
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 aquela poeira orgânica,
que flutua ali à roda,
que flutua ali à roda,
22:00
we could have lots of friends out there.
397
1308014
3791
podemos ter montes de amigos lá em cima.
Seria ótimo sabermos isso.
22:04
It'd be great to know.
398
1312947
1161
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 uns anos, tive a oportunidade
de falar com Elon Musk
de falar com Elon Musk
22:09
and I asked him the secret of his success,
400
1317636
2837
e perguntar-lhe
qual o segredo do seu êxito.
qual o segredo do seu êxito.
22:12
and he said taking
physics seriously was it.
physics seriously was it.
401
1320497
3691
Ele disse-me que tinha sido
levar a sério a física.
levar a sério a física.
22:16
Listening to you, what I hear you saying
is taking math seriously,
is taking math seriously,
402
1324696
4003
Ouvindo-o a si, o senhor diz
que o que impregnou toda a sua vida.
que o que impregnou toda a sua vida.
22:20
that has infused your whole life.
403
1328723
3003
foi levar a sério a matemática.
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
Permitiu-lhe fazer uma grande fortuna
e agora está a permitir-lhe
e agora está a permitir-lhe
investir no futuro
de milhares e milhares de miúdos
de milhares e milhares de miúdos
22:28
in the futures of thousands and thousands
of kids across America and elsewhere.
of kids across America and elsewhere.
405
1336710
4496
por todos os EUA e não só.
22:33
Could it be that science actually works?
406
1341567
2858
Será que a ciência funciona realmente?
22:36
That math actually works?
407
1344449
2772
Essa matemática funciona realmente?
22:39
JS: Well, math certainly works.
Math certainly works.
Math certainly works.
408
1347245
4372
JS: Claro que a matemática funciona.
A matemática funciona.
A matemática funciona.
22:43
But this has been fun.
409
1351641
1198
Mas tem sido divertido
trabalhar com Marylin
trabalhar com Marylin
22:44
Working with Marilyn and giving it away
has been very enjoyable.
has been very enjoyable.
410
1352863
4946
e desistir dela tem sido 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: Descobri,
e é um pensamento inspirador,
e é um pensamento inspirador,
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, se levarmos a sério o conhecimento,
podem surgir muito mais coisas daí.
podem surgir muito mais coisas daí.
Obrigado pela sua vida espantosa
e por ter vindo aqui à TED.
e por ter vindo aqui à 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
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