Chris Anderson: Tú eras algo así como
un fenómeno matemático.
De muy joven ya impartías clases
en Harvard y en el MIT.
Y luego llegó a llamarte la NSA.
¿Qué pasó?
Jim Simons: Bueno, la NSA,
la Agencia de Seguridad Nacional,
no vino precisamente a llamarme.
Tenían una operación en Princeton,
y contrataron a matemáticos
para atacar a los códigos secretos
y cosas por el estilo.
Yo sabía que existía.
Tenían una muy buena política,
porque la mitad del tiempo podía uno
trabajar en sus propias matemáticas,
y la otra mitad trabajabas
para las cosas de ellos.
Y pagaban muy bien.
Así que era algo irresistible.
Y fui allí.
CA: Eras un descifrador
de códigos.
JS: Así es.
CA: Hasta que te despidieron.
JS: Me despidieron. Sí.
CA: ¿Por qué?
JS: Bueno, ¿por qué?
Me despidieron porque la guerra
de Vietnam estaba en marcha,
y el gran jefe en mi organización
era un súper fan de la guerra
y escribió un artículo en la portada
del New York Times
sobre cómo íbamos
a ganar en Vietnam.
Y no me gustaba aquella guerra,
pensaba que era absurda.
Y escribí una carta al Times
que publicaron,
diciendo que no todos los que
trabajaban para Maxwell Taylor,
--si alguien se acuerda de ese nombre--,
estaban de acuerdo con él.
Y di mi propia opinión...
CA: Oh, ya veo...
JS: ... que era diferente
a la del general Taylor.
Pero al final, nadie dijo nada.
Tenía 29 años entonces,
y un chico vino
y dijo que era un informante
de la revista Newsweek
y quería entrevistarme para preguntarme
qué hacía con respecto a mis opiniones.
Y le dije: "Estoy haciendo
sobre todo matemáticas
y cuando termine la guerra, entonces
haré sobre todo otras cosas".
Entonces hice lo único inteligente
en ese día.
Le dije a mi jefe de departamento
que había dado esa entrevista.
Y él preguntó: "¿Qué dijiste?".
Y yo le expliqué lo que dije.
Y luego dijo:
"Tengo que llamar a Taylor".
Llamó a Taylor, duró 10 minutos.
Me despidieron cinco minutos
después de eso.
CA: Bien.
JS: Pero no fue malo.
CA: No fue malo,
porque te fuiste a Stony Brook
y avanzaste en tu carrera matemática.
Comenzaste a trabajar
con este hombre.
¿Quién es este?
JS: Shiing-Shen Chern.
Chern era uno de los grandes
matemáticos del siglo.
Lo había conocido siendo
estudiante en Berkeley.
Yo tenía algunas ideas,
se las expuse a él y le gustaron.
Juntos, hicimos este trabajo,
que pueden ver fácilmente ahí.
Ahí está.
CA: Eso les llevó a la publicación
de un famoso artículo juntos.
¿Puedes explicar qué era ese trabajo?
JS: No.
(Risas)
JS: Bueno, podría
explicárselo a alguien.
(Risas)
CA: ¿Qué tal si lo explicas?
JS: Pero no a muchos.
No a mucha gente.
CA: Creo que me dijiste que tenía algo
que ver con esferas,
empecemos por aquí.
JS: Sí, así es, pero diré de ese trabajo,
que sí que tenía que ver con eso,
pero antes de llegar a eso,
el trabajo era buenas matemáticas.
Yo estaba muy contento
y también Chern.
Incluso abordó un subcampo
que ahora está floreciente.
Pero, lo más interesante,
es que se aplicó a la física,
algo de lo que no sabíamos nada,
al menos yo no sabía nada de física,
y no creo que Chern tampoco
supiera mucho.
Unos 10 años después
de publicarse el artículo
Ed Witten en Princeton lo comenzó
a aplicar a la teoría de cuerdas
y la gente en Rusia lo aplicó
a lo llamado "materia condensada".
Hoy, esas cosas se llaman
invariantes Chern-Simons
que se ha extendido mucho
en la física.
Y fue increíble.
No sabíamos de física.
Nunca se me ocurrió que
se aplicaría a la física.
Pero eso pasa con las matemáticas,
nunca se sabe dónde irán.
CA: Esto es tan increíble.
Hemos hablado de cómo la evolución
da forma a las mentes humanas
que pueden o no percibir la verdad.
De alguna manera,
con una teoría matemática,
sin saber nada de física,
descubres que dos décadas
después se aplica
para describir detalladamente
el mundo físico real.
¿Cómo es posible?
JS: Dios lo sabe.
(Risas)
Pero un famoso físico,
Eugenio Wigner,
escribió un ensayo sobre la eficacia
irracional de las matemáticas.
Estas matemáticas con
raíces en el mundo real
--en cierto sentido, aprendemos a contar,
medir, lo que todo el mundo haría--,
luego florecen por sí solas.
Pero muy a menudo se trata
de volver a salvar los muebles.
La relatividad general es un ejemplo.
Hermann Minkowski tenía esa geometría,
y Einstein se dio cuenta,
"¡Oye! Es en lo mismo que
puedo enmarcar la relatividad general".
Por lo tanto, nunca se sabe.
Es un misterio.
Es un misterio.
CA: Aquí pues hay algo de
ingenuidad matemática.
Háblanos de esto.
JS: Es una bola, es una esfera,
y tiene un enrejado alrededor,
sabes, esos cuadrados.
Lo que mostraré, lo observó
originalmente Leonhard Euler,
el gran matemático, en el 1700.
Y se desarrolló en un campo muy
importante de las matemáticas:
topología algebraica, geometría.
Ese artículo de entonces tenía
sus raíces en esto.
Así que, aquí está esto:
tiene ocho vértices,
12 aristas, seis caras.
Y si nos fijamos en la diferencia,
vértices, menos aristas, más caras,
uno obtiene dos.
Bien, dos.
Es un buen número.
Esta es una manera diferente de
hacerlo, son triángulos que cubren...
esto tiene 12 vértices y 30 aristas
y 20 caras o 20 azulejos.
Y vértices menos aristas más caras
todavía es igual a dos.
Y de hecho, se puede hacer
de cualquier manera,
aplicado a todo tipo de
polígonos y triángulos
y mezclarlos.
Y uno toma vértices, menos aristas,
más caras y uno siempre obtendrá dos.
Aquí hay una forma diferente.
Este es un toro o la superficie
de un donut: 16 vértices
cubierto por estos rectángulos,
32 aristas, 16 caras.
Los vértices menos aristas
son cero.
Siempre se obtendrá cero.
Cada vez que se cubre un toro
con cuadrados o triángulos
o lo que sea, se obtiene cero.
Esto se llama
la característica de Euler.
Y se llama invariante topológica.
Es bastante increíble.
No importa cómo se haga,
siempre se obtiene la misma respuesta.
Ese fue el primer empuje, desde
mediados de la década de 1700,
un tema que ahora se conoce
como topología algebraica.
CA: Y su propio trabajo tomó
una idea que se trasladó
en la teoría de dimensiones superiores,
objetos de dimensiones superiores,
y ¿ha encontrado nuevas invariantes?
JS: Sí. Había invariantes ya
de dimensiones superiores.
Clases de Pontryagin, en realidad,
tipos de Chern.
Había un montón de esos tipos
de invariantes.
He tenido problemas
para trabajar en uno de ellos
y modelarlo en una especie
de combinatoria,
en lugar de la forma
cómo se realiza normalmente,
y que dio lugar a este trabajo
descubriendo cosas nuevas.
Pero si no hubiera sido
por el Sr. Euler
que escribió casi 70 volúmenes
de matemáticas
y tuvo 13 hijos,
que al parecer mecía en sus rodillas
mientras escribía,
si no hubiera sido por Euler, tal vez
no habrían resultado esas invariantes.
CA: Eso por lo menos nos da
una idea de esa mente increíble.
Hablemos de Renacimiento.
Porque tomaste esa mente increíble y
de haber sido descifrador
de códigos en la NSA,
te convertiste en descifrador de códigos
en la industria financiera.
Seguro que no compraste
una teoría de mercado eficiente.
Encontraste una forma de crear
rendimientos sorprendentes
hace más de dos décadas.
La forma cómo me han explicado
lo notable
sobre lo que hiciste no es solo
el tamaño del rendimiento,
es que las tomaste
con sorprendentemente
baja volatilidad y el riesgo,
en comparación con
otros fondos de inversión.
¿Cómo lo lograste, Jim?
JS: Lo hice uniendo a
un grupo maravilloso de personas.
Al empezar con el comercio bursátil,
estaba un poco cansado
de las matemáticas.
Tenía 30 años,
tenía un poco de dinero.
Empecé práctica bursátil
y me fue muy bien.
Hice mucho dinero por pura suerte.
Quiero decir,
creo que fue pura suerte.
Ciertamente no fue un modelo
matemático.
Pero en el estudio de los datos,
tras un tiempo me di cuenta
de que al parece
existía cierta estructura.
Y contraté unos matemáticos y
empecé a hacer algunos modelos,
como el tipo de cosas que hacía en el
Instituto de Análisis de Defensa.
Uno diseña un algoritmo,
lo prueba en una computadora.
¿Funciona? ¿No funciona? Etc.
CA: ¿Echamos
un vistazo a esto?
Aquí hay un gráfico típico
de algunos productos básicos.
Lo miro y digo: "Eso es solo una
caminata aleatoria, arriba y abajo,
con una ligera tendencia al alza
en todo ese período de tiempo".
¿Cómo pudiste comerciar viendo eso,
y detectar algo que no era
simplemente al azar?
JS: Hace tiempo, este es
un gráfico de los viejos tiempos,
las materias primas o divisas
tenían una tendencia a la tendencia.
No la ligera tendencia que ves aquí,
sino tendencias en los períodos.
Y si decides, hoy voy a predecir,
con base en el promedio móvil
de los últimos 20 días,
tal vez eso sea una buena predicción,
y se puede hacer algo de dinero.
Y, de hecho, hace años,
un sistema así funcionaba,
no muy bien,
pero funcionaba.
Se hacía dinero, se perdía dinero,
se hacía dinero.
Pero el año valía la pena
y podías hacer algo de dinero
durante ese período.
Es un sistema muy rudimentario.
CA: ¿Así que pusiste a prueba
longitudes de tendencias en el tiempo
para ver si, por ejemplo,
una tendencia de 10 días o de 15 era
predictiva de lo que sucedía después.
JS: Claro, se podía probar todo eso
y ver qué funcionaba mejor.
Seguir tendencias habría sido
estupendo en los años 60,
y estaba bien en los años 70.
Pero en los años 80, ya no era así.
CA: Debido a que todo el mundo
podía detectarlo.
Así que, ¿cómo lograste
tomar la delantera?
JS: Nos pusimos en la delantera
del resto buscando otros enfoques,
enfoques de corto plazo
hasta cierto punto.
La verdad es que tuvimos que reunir
una enorme cantidad de datos,
y tuvimos que hacerlo a mano
al principio.
Fuimos a la Reserva Federal y
copiamos registros de tipos de interés
y cosas así, pues no estaban
en las computadoras.
Obtuvimos
una gran cantidad de datos.
Y gente muy inteligente,
esa fue la clave.
Yo en verdad no sé cómo contratar
gente para el comercio bursátil.
Había contratado a algunos,
algunos hicieron dinero, otros no.
No sabía hacer más negocios que eso.
Pero sabía
cómo contratar científicos,
porque me gusta
ese departamento.
Entonces, eso fue lo que hicimos.
Y poco a poco estos modelos
se fueron mejorando,
y mejorando.
CA: Se les reconoce por hacer
algo notable como en Renacimiento,
construir esa cultura,
ese grupo de personas,
que no eran solo armas contratadas,
que no estaban por dinero.
Su motivación era hacer
matemáticas emocionantes y ciencia.
JS: Bueno, me gustaría
que fuera cierto.
Pero algunos se movían
por el dinero.
CA: Hicieron mucho dinero.
JS: No puedo decir que
ninguno no viniera por el dinero.
Creo que a muchos de ellos
les movía el dinero.
Pero también vinieron
porque era fascinante.
CA: ¿Qué papel jugó la máquina
de aprendizaje en esto?
JS: En cierto modo, hicimos
una máquina de aprendizaje.
Ante una gran cantidad de datos,
se intenta simular
diferentes esquemas de predicción,
hasta que es mejor y mejor.
No necesariamente se retroalimenta
la forma cómo lo hicimos.
Pero funcionó.
CA: ¿Estos diferentes esquemas
de predicción
pueden ser muy
descontrolados e inesperados?
Quiero decir, consideraban todo,
¿no?
¿Observaban el tiempo, la longitud
de los vestidos, la opinión política?
JS: Sí, pero la longitud de los vestidos
no la consideramos.
CA: ¿Qué cosas, pues?
JS: Bueno, todo.
Todo es grano para el molino,
excepto las longitudes del dobladillo.
Tiempo, informes anuales,
informes trimestrales, datos históricos,
volúmenes, lo que sea.
Lo que haya.
Eran terabytes de datos diariamente.
Y lo almacenábamos y lo preparábamos
para su análisis.
Uno busca anomalías.
Uno busca, como has dicho,
que la hipótesis del mercado
eficiente no es correcta.
CA: Pero cualquiera anomalía
podría ser algo al azar.
Por lo tanto, ¿el secreto era observar
múltiples anomalías extrañas
y ver cuando se alinean?
JS: Cualquier anomalía
podría ser algo al azar;
Sin embargo, si uno tiene suficientes
datos se puede predecir que no lo es.
Se puede observar una anomalía
que persiste
durante un tiempo suficientemente largo,
la probabilidad de que
no sea aleatoria es alta.
Pero esto se desvirtúa con el tiempo;
las anomalías pueden desteñirse.
Hay que mantenerse
en la cresta del negocio.
CA: Mucha gente mira el sector
de fondos de cobertura
y de alguna manera, están sorprendidos
por la cantidad de riqueza
que se crea allí,
y cuánto talento se va a allí.
¿Tienes alguna preocupación
concerniente a la industria,
y quizá al sector financiero, en general?
¿Del tipo que esté fuera de control,
y que contribuya
a aumentar la desigualdad?
¿Cómo se sostendrá lo que sucede
en el sector de fondos de cobertura?
JS: Creo que en
los últimos 3 o 4 años,
los fondos de cobertura
no lo han hecho especialmente bien.
Hemos hecho el dandi,
el sector de fondos en su conjunto
no lo ha hecho muy bien.
El mercado de valores ha estado de
buena racha, subiendo como todos saben,
y los ratios precio-beneficios
han crecido.
Así que una gran cantidad de
la riqueza creada en el pasado,
digamos, 5 o 6 años, no se ha creado
por los fondos de cobertura.
La gente me preguntaba:
"¿Qué son fondos de cobertura?".
Y yo digo: "1 y 20".
Lo que significa,
--ahora es 2 y 20--,
2 % de tarifa fija
y el 20 % sobre las ganancias.
Los fondos de cobertura
son seres diferentes.
CA: Se dice que cobras honorarios
ligeramente más altos que eso.
JS: Cobramos las tarifas más altas
en el mundo en este momento.
5 y 44, eso es lo que cobramos.
CA: 5 y 44.
Así que 5 % tarifa plana,
y 44 % de alza.
Y aún así haces que tus inversores ganen
cantidades espectaculares de dinero.
JS: Sí, logramos un buen rendimiento.
La gente se molesta: "¿Cómo
se pueden cobrar esas tasas altas?".
Y yo: "Bueno, pueden irse".
Pero, "¿Cómo puedo obtener más?",
era lo que decía la gente...
(Risas)
Pero en un momento dado,
como he dicho,
compramos todos los inversores,
por tener una capacidad para el fondo.
CA: ¿Debemos preocuparnos de que
el sector de fondos de cobertura
atraiga demasiados talentos
matemáticos del mundo
que trabajen en eso, en vez de aplicarlo
a los otros muchos problemas del mundo?
JS: Bueno, no son solo matemáticos.
Contratamos astrónomos y físicos
y otros similares.
No creo que debamos
preocuparnos demasiado.
Es todavía un sector bastante pequeño.
Y, de hecho, llevar la ciencia
al mundo de la inversión
ha mejorado ese mundo.
Se reduce la volatilidad.
Ha aumentado la liquidez.
Los diferenciales son más estrechos
porque las personas los negocian.
Por eso no me preocupa que Einstein
se vaya al sector del fondo de cobertura.
CA: Sin embargo, estás en una fase
de tu vida en que inviertes
en el otro extremo
de la cadena de suministro.
Estás impulsando
las matemáticas en todo EE. UU.
Esta es tu esposa, Marilyn.
Están trabajando
en temas filantrópicos juntos.
Háblame de eso.
JS: Bueno, Marilyn comenzó,
--ahí está allí, mi bella esposa--
empezó la fundación hace 20 años.
Creo que en 1994.
Yo digo que en el 93,
ella dice que fue en el 94,
pero fue uno de esos dos años.
(Risas)
Empezamos la fundación, como
una forma apropiada de hacer beneficencia.
Ella llevaba la contabilidad y eso.
No teníamos una visión en ese momento,
pero poco a poco surgió una visión
que era centrarnos
en matemáticas y ciencias,
centrarnos en la investigación básica.
Y eso es lo que hemos hecho.
Hace 6 años me fui de Renacimiento
a trabajar en la fundación.
Así que eso es lo que hacemos.
CA: Y así Math for America
básicamente invierte
en profesores de matemáticas
de todo el país,
dándoles un ingreso extra,
dándoles apoyo y coaching.
Y realmente tratando de hacer
lo que es más eficaz
y hacer una convocatoria a la que
los profesores puede aspirar.
JS: Sí, en vez de desalentar
a los malos profesores,
que ha creado problemas morales
en la comunidad educativa,
especialmente
en matemáticas y ciencias,
nos centramos en alentar
a los buenos y en darles un estatus.
Sí, les damos dinero extra,
15 000 dólares al año.
Tenemos 800 profesores de
matemáticas y ciencias en Nueva York
en las escuelas públicas hoy,
como parte de un núcleo.
Hay una gran moral entre ellos.
Se quedan en el tema.
El año que viene, serán 1000 y
serán el 10 % de los profesores
de matemáticas y ciencias
de las escuelas públicas en Nueva York.
(Aplausos)
CA: Jim, hay otro proyecto filantrópico
que has apoyado:
la investigación sobre
los orígenes de la vida.
¿Qué vemos aquí?
JS: Bueno, espera un segundo,
y te diré lo que están viendo.
Los orígenes de la vida es
algo fascinante.
¿Cómo llegamos aquí?
Bueno, hay dos preguntas:
Una de ellas, ¿cuál es la ruta
desde la geología a la biología?
¿Cómo llegamos aquí?
Y la otra, ¿con qué empezamos?
¿Con qué material, qué tenemos
que trabajar en esta ruta?
Son dos preguntas muy,
muy interesantes.
La primera pregunta es un camino
tortuoso desde la geología hasta el ARN,
¿cómo se llegó ahí?
Y la otra, ¿con qué tenemos
que trabajar?
Bueno, con más
de lo que pensamos.
Así lo de la foto es
una estrella en formación.
Cada año en nuestra Vía Láctea,
que tiene 100 mil millones de estrellas,
se crean dos nuevas estrellas.
No me preguntes cómo,
pero se crean.
Y les toma
un millón de años estabilizarse.
Así que, en estado estacionario,
hay cerca de dos millones de estrellas
en formación siempre.
Una está en algún estado
de este proceso de decantación.
Y hay toda esta basura circulando
alrededor de ella,
polvo y otras cosas.
Y que formará, probablemente,
un sistema solar, o lo que sea.
Pero aquí está la cuestión,
en este polvo que rodea
a una estrella en formación
se han encontrado,
moléculas orgánicas significativas.
Moléculas no solo como el metano,
sino formaldehído y cianuro,
que son bloques de construcción,
semillas, si se quiere, de la vida.
Bueno, puede ser típico.
Y puede ser típico que los planetas
alrededor del universo
empiecen con algunos de estos bloques
de construcción básicos.
¿Significa eso que existirá
la vida por todos lados?
Puede ser.
Pero esto es una muestra de
lo es tortuoso que este camino
desde aquellos inicios frágiles,
esas semillas, todo el camino a la vida.
Y la mayoría de esas semillas caerán
en planetas de barbecho.
CA: ¿Para ti, personalmente,
encontrar una respuesta a
esta pregunta de dónde venimos,
de cómo sucedió, es algo
que te encantaría descubrir?
JS: Sí, me encantaría verlo.
Y gustaría saber
si ese camino es muy tortuoso,
y tan improbable,
que no importa cómo empezar,
podríamos ser una singularidad.
Pero por otro lado,
debido a este polvo orgánico
flotando alrededor,
podríamos tener
muchos amigos allí.
Sería bueno saberlo.
CA: Jim, hace unos años, tuve
la oportunidad de hablar con Elon Musk,
y le pregunté el secreto de su éxito,
y dijo tomarme la física
en serio fue todo.
Escucharte decir que tomar
en serio las matemáticas,
ha impulsado toda tu vida.
Has hecho una fortuna,
y ahora sé que te permite invertir
en el futuro de miles y miles de niños
en todo EE. UU. y en otros lugares.
¿Podría ser que la ciencia
realmente funciona?
¿Que las matemáticas
realmente funcionan?
JS: Las matemáticas sí funcionan.
Las matemáticas ciertamente funcionan.
Y esto ha sido divertido.
Trabajar con Marilyn y donar
ha sido muy bueno,
CA: Acabo de encontrar
un pensamiento inspirador para mí,
que al tomar en serio el conocimiento,
se puede obtener mucho más de él.
Así que gracias por tu vida increíble,
y por venir aquí a TED.
Gracias.
¡Jim Simons!
(Aplausos)