0:00:00.617,0:00:03.575
Chris Anderson: Tú eras algo así como [br]un fenómeno matemático.

0:00:03.575,0:00:07.009
De muy joven ya impartías clases [br]en Harvard y en el MIT.

0:00:07.009,0:00:09.243
Y luego llegó a llamarte la NSA.

0:00:09.464,0:00:10.668
¿Qué pasó?

0:00:10.957,0:00:15.130
Jim Simons: Bueno, la NSA, [br]la Agencia de Seguridad Nacional,

0:00:15.154,0:00:17.253
no vino precisamente a llamarme.

0:00:17.465,0:00:21.939
Tenían una operación en Princeton, [br]y contrataron a matemáticos

0:00:21.963,0:00:25.075
para atacar a los códigos secretos [br]y cosas por el estilo.

0:00:25.294,0:00:26.966
Yo sabía que existía.

0:00:27.315,0:00:29.495
Tenían una muy buena política,

0:00:29.519,0:00:33.369
porque la mitad del tiempo podía uno [br]trabajar en sus propias matemáticas,

0:00:33.393,0:00:36.877
y la otra mitad trabajabas [br]para las cosas de ellos.

0:00:37.499,0:00:39.033
Y pagaban muy bien.

0:00:39.057,0:00:42.108
Así que era algo irresistible.

0:00:42.132,0:00:43.788
Y fui allí.

0:00:43.788,0:00:45.526
CA: Eras un descifrador [br]de códigos.

0:00:45.526,0:00:46.596
JS: Así es.

0:00:46.620,0:00:48.107
CA: Hasta que te despidieron.

0:00:48.107,0:00:49.674
JS: Me despidieron. Sí.

0:00:49.674,0:00:50.793
CA: ¿Por qué?

0:00:51.280,0:00:52.683
JS: Bueno, ¿por qué?

0:00:53.461,0:00:58.521
Me despidieron porque la guerra [br]de Vietnam estaba en marcha,

0:00:58.521,0:01:04.328
y el gran jefe en mi organización [br]era un súper fan de la guerra

0:01:04.352,0:01:08.572
y escribió un artículo en la portada [br]del New York Times

0:01:08.572,0:01:10.542
sobre cómo íbamos [br]a ganar en Vietnam.

0:01:10.566,0:01:13.669
Y no me gustaba aquella guerra, [br]pensaba que era absurda.

0:01:13.669,0:01:16.384
Y escribí una carta al Times [br]que publicaron,

0:01:16.408,0:01:20.422
diciendo que no todos los que [br]trabajaban para Maxwell Taylor,

0:01:20.446,0:01:25.212
--si alguien se acuerda de ese nombre--, [br]estaban de acuerdo con él.

0:01:25.463,0:01:27.211
Y di mi propia opinión...

0:01:27.235,0:01:29.399
CA: Oh, ya veo...

0:01:29.423,0:01:31.962
JS: ... que era diferente [br]a la del general Taylor.

0:01:31.962,0:01:33.908
Pero al final, nadie dijo nada.

0:01:33.932,0:01:37.633
Tenía 29 años entonces, [br]y un chico vino

0:01:37.657,0:01:40.745
y dijo que era un informante [br]de la revista Newsweek

0:01:40.769,0:01:46.136
y quería entrevistarme para preguntarme [br]qué hacía con respecto a mis opiniones.

0:01:46.160,0:01:50.059
Y le dije: "Estoy haciendo [br]sobre todo matemáticas

0:01:50.083,0:01:53.616
y cuando termine la guerra, entonces [br]haré sobre todo otras cosas".

0:01:54.123,0:01:56.948
Entonces hice lo único inteligente [br]en ese día.

0:01:56.972,0:02:01.129
Le dije a mi jefe de departamento[br]que había dado esa entrevista.

0:02:01.153,0:02:02.672
Y él preguntó: "¿Qué dijiste?".

0:02:02.672,0:02:04.242
Y yo le expliqué lo que dije.

0:02:04.242,0:02:06.441
Y luego dijo: [br]"Tengo que llamar a Taylor".

0:02:06.465,0:02:08.842
Llamó a Taylor, duró 10 minutos.

0:02:08.866,0:02:11.278
Me despidieron cinco minutos [br]después de eso.

0:02:11.590,0:02:12.812
CA: Bien.

0:02:12.836,0:02:13.987
JS: Pero no fue malo.

0:02:14.011,0:02:16.504
CA: No fue malo, [br]porque te fuiste a Stony Brook

0:02:16.528,0:02:19.661
y avanzaste en tu carrera matemática.

0:02:19.685,0:02:22.137
Comenzaste a trabajar [br]con este hombre.

0:02:22.161,0:02:23.425
¿Quién es este?

0:02:24.142,0:02:25.764
JS: Shiing-Shen Chern.

0:02:25.788,0:02:28.892
Chern era uno de los grandes [br]matemáticos del siglo.

0:02:28.916,0:02:34.149
Lo había conocido siendo [br]estudiante en Berkeley.

0:02:34.173,0:02:36.044
Yo tenía algunas ideas,

0:02:36.068,0:02:38.515
se las expuse a él y le gustaron.

0:02:38.539,0:02:45.165
Juntos, hicimos este trabajo, [br]que pueden ver fácilmente ahí.

0:02:45.189,0:02:46.339
Ahí está.

0:02:47.008,0:02:50.804
CA: Eso les llevó a la publicación [br]de un famoso artículo juntos.

0:02:50.828,0:02:54.066
¿Puedes explicar qué era ese trabajo?

0:02:55.028,0:02:56.186
JS: No.

0:02:56.210,0:02:58.484
(Risas)

0:02:58.856,0:03:01.030
JS: Bueno, podría [br]explicárselo a alguien.

0:03:01.054,0:03:03.129
(Risas)

0:03:03.153,0:03:05.017
CA: ¿Qué tal si lo explicas?

0:03:05.041,0:03:07.770
JS: Pero no a muchos. [br]No a mucha gente.

0:03:09.144,0:03:11.958
CA: Creo que me dijiste que tenía algo [br]que ver con esferas,

0:03:11.982,0:03:13.844
empecemos por aquí.

0:03:13.868,0:03:17.468
JS: Sí, así es, pero diré de ese trabajo,

0:03:17.492,0:03:20.692
que sí que tenía que ver con eso, [br]pero antes de llegar a eso,

0:03:20.716,0:03:24.256
el trabajo era buenas matemáticas.

0:03:24.280,0:03:26.772
Yo estaba muy contento [br]y también Chern.

0:03:27.910,0:03:32.086
Incluso abordó un subcampo [br]que ahora está floreciente.

0:03:32.638,0:03:37.932
Pero, lo más interesante, [br]es que se aplicó a la física,

0:03:37.956,0:03:42.251
algo de lo que no sabíamos nada, [br]al menos yo no sabía nada de física,

0:03:42.275,0:03:44.557
y no creo que Chern tampoco [br]supiera mucho.

0:03:44.581,0:03:48.544
Unos 10 años después [br]de publicarse el artículo

0:03:48.568,0:03:53.048
Ed Witten en Princeton lo comenzó [br]a aplicar a la teoría de cuerdas

0:03:53.072,0:03:57.924
y la gente en Rusia lo aplicó [br]a lo llamado "materia condensada".

0:03:57.948,0:04:02.841
Hoy, esas cosas se llaman [br]invariantes Chern-Simons

0:04:02.865,0:04:04.730
que se ha extendido mucho [br]en la física.

0:04:04.754,0:04:05.928
Y fue increíble.

0:04:05.952,0:04:07.317
No sabíamos de física.

0:04:07.714,0:04:10.568
Nunca se me ocurrió que [br]se aplicaría a la física.

0:04:10.592,0:04:14.380
Pero eso pasa con las matemáticas, [br]nunca se sabe dónde irán.

0:04:14.404,0:04:15.896
CA: Esto es tan increíble.

0:04:15.920,0:04:20.284
Hemos hablado de cómo la evolución [br]da forma a las mentes humanas

0:04:20.308,0:04:22.816
que pueden o no percibir la verdad.

0:04:22.840,0:04:26.153
De alguna manera, [br]con una teoría matemática,

0:04:26.177,0:04:28.025
sin saber nada de física,

0:04:28.049,0:04:30.547
descubres que dos décadas [br]después se aplica

0:04:30.571,0:04:33.602
para describir detalladamente [br]el mundo físico real.

0:04:33.626,0:04:34.779
¿Cómo es posible?

0:04:34.803,0:04:35.960
JS: Dios lo sabe.

0:04:35.984,0:04:38.094
(Risas)

0:04:38.849,0:04:41.999
Pero un famoso físico, [br]Eugenio Wigner,

0:04:42.023,0:04:47.611
escribió un ensayo sobre la eficacia [br]irracional de las matemáticas.

0:04:47.635,0:04:51.587
Estas matemáticas con [br]raíces en el mundo real

0:04:51.611,0:04:56.606
--en cierto sentido, aprendemos a contar, [br]medir, lo que todo el mundo haría--,

0:04:56.630,0:04:58.700
luego florecen por sí solas.

0:04:58.976,0:05:01.817
Pero muy a menudo se trata [br]de volver a salvar los muebles.

0:05:02.293,0:05:04.471
La relatividad general es un ejemplo.

0:05:04.495,0:05:07.612
Hermann Minkowski tenía esa geometría, [br]y Einstein se dio cuenta,

0:05:07.636,0:05:11.483
"¡Oye! Es en lo mismo que [br]puedo enmarcar la relatividad general".

0:05:11.507,0:05:14.749
Por lo tanto, nunca se sabe. [br]Es un misterio.

0:05:15.056,0:05:16.273
Es un misterio.

0:05:16.297,0:05:19.593
CA: Aquí pues hay algo de [br]ingenuidad matemática.

0:05:19.617,0:05:20.959
Háblanos de esto.

0:05:20.983,0:05:26.907
JS: Es una bola, es una esfera, [br]y tiene un enrejado alrededor,

0:05:26.931,0:05:29.004
sabes, esos cuadrados.

0:05:30.537,0:05:35.603
Lo que mostraré, lo observó [br]originalmente Leonhard Euler,

0:05:35.627,0:05:37.881
el gran matemático, en el 1700.

0:05:38.223,0:05:43.404
Y se desarrolló en un campo muy [br]importante de las matemáticas:

0:05:43.428,0:05:46.032
topología algebraica, geometría.

0:05:47.039,0:05:51.403
Ese artículo de entonces tenía [br]sus raíces en esto.

0:05:51.427,0:05:53.261
Así que, aquí está esto:

0:05:53.285,0:05:57.737
tiene ocho vértices, [br]12 aristas, seis caras.

0:05:57.761,0:06:01.591
Y si nos fijamos en la diferencia, [br]vértices, menos aristas, más caras,

0:06:01.615,0:06:02.767
uno obtiene dos.

0:06:02.791,0:06:05.010
Bien, dos. [br]Es un buen número.

0:06:05.034,0:06:09.282
Esta es una manera diferente de [br]hacerlo, son triángulos que cubren...

0:06:09.306,0:06:13.883
esto tiene 12 vértices y 30 aristas

0:06:13.907,0:06:18.102
y 20 caras o 20 azulejos.

0:06:18.576,0:06:23.167
Y vértices menos aristas más caras [br]todavía es igual a dos.

0:06:23.191,0:06:26.038
Y de hecho, se puede hacer [br]de cualquier manera,

0:06:26.062,0:06:29.460
aplicado a todo tipo de [br]polígonos y triángulos

0:06:29.484,0:06:30.804
y mezclarlos.

0:06:30.828,0:06:34.417
Y uno toma vértices, menos aristas, [br]más caras y uno siempre obtendrá dos.

0:06:34.417,0:06:36.022
Aquí hay una forma diferente.

0:06:36.480,0:06:41.730
Este es un toro o la superficie [br]de un donut: 16 vértices

0:06:41.754,0:06:45.998
cubierto por estos rectángulos, [br]32 aristas, 16 caras.

0:06:46.530,0:06:49.214
Los vértices menos aristas [br]son cero.

0:06:49.238,0:06:50.713
Siempre se obtendrá cero.

0:06:50.737,0:06:55.047
Cada vez que se cubre un toro [br]con cuadrados o triángulos

0:06:55.071,0:06:59.006
o lo que sea, se obtiene cero.

0:07:00.134,0:07:02.904
Esto se llama [br]la característica de Euler.

0:07:02.928,0:07:06.377
Y se llama invariante topológica.

0:07:06.629,0:07:07.849
Es bastante increíble.

0:07:07.849,0:07:10.930
No importa cómo se haga, [br]siempre se obtiene la misma respuesta.

0:07:10.930,0:07:17.143
Ese fue el primer empuje, desde [br]mediados de la década de 1700,

0:07:17.167,0:07:20.936
un tema que ahora se conoce [br]como topología algebraica.

0:07:20.960,0:07:23.943
CA: Y su propio trabajo tomó [br]una idea que se trasladó

0:07:23.967,0:07:26.340
en la teoría de dimensiones superiores,

0:07:26.340,0:07:29.748
objetos de dimensiones superiores, [br]y ¿ha encontrado nuevas invariantes?

0:07:29.748,0:07:34.195
JS: Sí. Había invariantes ya [br]de dimensiones superiores.

0:07:34.219,0:07:38.676
Clases de Pontryagin, en realidad, [br]tipos de Chern.

0:07:38.700,0:07:42.248
Había un montón de esos tipos [br]de invariantes.

0:07:42.272,0:07:46.407
He tenido problemas [br]para trabajar en uno de ellos

0:07:46.431,0:07:50.634
y modelarlo en una especie [br]de combinatoria,

0:07:50.658,0:07:53.680
en lugar de la forma [br]cómo se realiza normalmente,

0:07:53.704,0:07:58.063
y que dio lugar a este trabajo [br]descubriendo cosas nuevas.

0:07:58.087,0:08:01.588
Pero si no hubiera sido [br]por el Sr. Euler

0:08:01.612,0:08:05.593
que escribió casi 70 volúmenes [br]de matemáticas

0:08:05.617,0:08:07.348
y tuvo 13 hijos,

0:08:07.372,0:08:13.814
que al parecer mecía en sus rodillas[br]mientras escribía,

0:08:13.838,0:08:19.612
si no hubiera sido por Euler, tal vez [br]no habrían resultado esas invariantes.

0:08:20.157,0:08:24.254
CA: Eso por lo menos nos da [br]una idea de esa mente increíble.

0:08:24.714,0:08:26.347
Hablemos de Renacimiento.

0:08:26.371,0:08:29.251
Porque tomaste esa mente increíble y

0:08:29.251,0:08:32.251
de haber sido descifrador [br]de códigos en la NSA,

0:08:32.251,0:08:35.520
te convertiste en descifrador de códigos [br]en la industria financiera.

0:08:35.520,0:08:38.193
Seguro que no compraste [br]una teoría de mercado eficiente.

0:08:38.217,0:08:41.629
Encontraste una forma de crear [br]rendimientos sorprendentes

0:08:41.629,0:08:44.489
hace más de dos décadas.

0:08:44.489,0:08:46.560
La forma cómo me han explicado[br]lo notable

0:08:46.560,0:08:49.487
sobre lo que hiciste no es solo [br]el tamaño del rendimiento,

0:08:49.487,0:08:52.097
es que las tomaste [br]con sorprendentemente[br]

0:08:52.097,0:08:53.964
baja volatilidad y el riesgo,

0:08:53.964,0:08:56.138
en comparación con [br]otros fondos de inversión.

0:08:56.138,0:08:57.861
¿Cómo lo lograste, Jim?

0:08:58.071,0:09:02.096
JS: Lo hice uniendo a [br]un grupo maravilloso de personas.

0:09:02.096,0:09:04.136
Al empezar con el comercio bursátil,

0:09:04.136,0:09:06.536
estaba un poco cansado [br]de las matemáticas.

0:09:06.536,0:09:10.109
Tenía 30 años, [br]tenía un poco de dinero.

0:09:10.133,0:09:12.782
Empecé práctica bursátil [br]y me fue muy bien.

0:09:13.063,0:09:15.645
Hice mucho dinero por pura suerte.

0:09:15.645,0:09:17.501
Quiero decir, [br]creo que fue pura suerte.

0:09:17.525,0:09:19.634
Ciertamente no fue un modelo[br]matemático.

0:09:19.658,0:09:23.489
Pero en el estudio de los datos, [br]tras un tiempo me di cuenta

0:09:23.513,0:09:26.066
de que al parece [br]existía cierta estructura.

0:09:26.090,0:09:29.787
Y contraté unos matemáticos y [br]empecé a hacer algunos modelos,

0:09:29.811,0:09:34.076
como el tipo de cosas que hacía en el [br]Instituto de Análisis de Defensa.

0:09:34.100,0:09:36.933
Uno diseña un algoritmo, [br]lo prueba en una computadora.

0:09:36.957,0:09:39.123
¿Funciona? ¿No funciona? Etc.

0:09:39.443,0:09:40.922
CA: ¿Echamos [br]un vistazo a esto?

0:09:40.946,0:09:45.487
Aquí hay un gráfico típico [br]de algunos productos básicos.

0:09:46.487,0:09:50.412
Lo miro y digo: "Eso es solo una [br]caminata aleatoria, arriba y abajo,

0:09:50.412,0:09:53.494
con una ligera tendencia al alza[br]en todo ese período de tiempo".

0:09:53.494,0:09:55.551
¿Cómo pudiste comerciar viendo eso,

0:09:55.575,0:09:57.901
y detectar algo que no era [br]simplemente al azar?

0:09:57.925,0:10:01.172
JS: Hace tiempo, este es [br]un gráfico de los viejos tiempos,

0:10:01.196,0:10:05.480
las materias primas o divisas [br]tenían una tendencia a la tendencia.

0:10:05.504,0:10:11.559
No la ligera tendencia que ves aquí,[br]sino tendencias en los períodos.

0:10:11.583,0:10:15.639
Y si decides, hoy voy a predecir,

0:10:15.663,0:10:20.361
con base en el promedio móvil [br]de los últimos 20 días,

0:10:20.395,0:10:23.762
tal vez eso sea una buena predicción, [br]y se puede hacer algo de dinero.

0:10:23.786,0:10:29.394
Y, de hecho, hace años, [br]un sistema así funcionaba,

0:10:29.418,0:10:31.809
no muy bien, [br]pero funcionaba.

0:10:31.833,0:10:34.342
Se hacía dinero, se perdía dinero, [br]se hacía dinero.

0:10:34.366,0:10:36.564
Pero el año valía la pena

0:10:36.588,0:10:40.829
y podías hacer algo de dinero [br]durante ese período.

0:10:41.884,0:10:43.962
Es un sistema muy rudimentario.

0:10:44.415,0:10:48.054
CA: ¿Así que pusiste a prueba [br]longitudes de tendencias en el tiempo

0:10:48.078,0:10:50.208
para ver si, por ejemplo,

0:10:50.208,0:10:54.159
una tendencia de 10 días o de 15 era [br]predictiva de lo que sucedía después.

0:10:54.159,0:11:00.805
JS: Claro, se podía probar todo eso [br]y ver qué funcionaba mejor.

0:11:01.515,0:11:04.865
Seguir tendencias habría sido [br]estupendo en los años 60,

0:11:04.889,0:11:07.021
y estaba bien en los años 70.

0:11:07.045,0:11:08.918
Pero en los años 80, ya no era así.

0:11:08.942,0:11:11.759
CA: Debido a que todo el mundo [br]podía detectarlo.

0:11:11.783,0:11:14.565
Así que, ¿cómo lograste [br]tomar la delantera?

0:11:15.046,0:11:21.178
JS: Nos pusimos en la delantera [br]del resto buscando otros enfoques,

0:11:21.202,0:11:23.943
enfoques de corto plazo [br]hasta cierto punto.

0:11:25.107,0:11:28.454
La verdad es que tuvimos que reunir [br]una enorme cantidad de datos,

0:11:28.478,0:11:32.056
y tuvimos que hacerlo a mano [br]al principio.

0:11:32.080,0:11:35.546
Fuimos a la Reserva Federal y [br]copiamos registros de tipos de interés

0:11:35.570,0:11:38.649
y cosas así, pues no estaban [br]en las computadoras.

0:11:38.649,0:11:40.522
Obtuvimos [br]una gran cantidad de datos.

0:11:40.526,0:11:44.686
Y gente muy inteligente, [br]esa fue la clave.

0:11:45.463,0:11:49.339
Yo en verdad no sé cómo contratar [br]gente para el comercio bursátil.

0:11:49.509,0:11:52.698
Había contratado a algunos, [br]algunos hicieron dinero, otros no.

0:11:52.722,0:11:54.602
No sabía hacer más negocios que eso.

0:11:54.626,0:11:56.668
Pero sabía [br]cómo contratar científicos,

0:11:56.692,0:12:00.081
porque me gusta [br]ese departamento.

0:12:00.105,0:12:01.943
Entonces, eso fue lo que hicimos.

0:12:01.967,0:12:05.198
Y poco a poco estos modelos [br]se fueron mejorando,

0:12:05.222,0:12:06.557
y mejorando.

0:12:06.581,0:12:09.795
CA: Se les reconoce por hacer [br]algo notable como en Renacimiento,

0:12:09.819,0:12:12.420
construir esa cultura, [br]ese grupo de personas,

0:12:12.444,0:12:15.586
que no eran solo armas contratadas, [br]que no estaban por dinero.

0:12:15.610,0:12:19.522
Su motivación era hacer [br]matemáticas emocionantes y ciencia.

0:12:19.860,0:12:22.259
JS: Bueno, me gustaría [br]que fuera cierto.

0:12:22.283,0:12:25.863
Pero algunos se movían [br]por el dinero.

0:12:25.887,0:12:27.174
CA: Hicieron mucho dinero.

0:12:27.174,0:12:29.941
JS: No puedo decir que [br]ninguno no viniera por el dinero.

0:12:29.941,0:12:32.288
Creo que a muchos de ellos [br]les movía el dinero.

0:12:32.288,0:12:34.743
Pero también vinieron [br]porque era fascinante.

0:12:34.743,0:12:37.835
CA: ¿Qué papel jugó la máquina [br]de aprendizaje en esto?

0:12:37.835,0:12:40.843
JS: En cierto modo, hicimos [br]una máquina de aprendizaje.

0:12:40.879,0:12:46.370
Ante una gran cantidad de datos, [br]se intenta simular

0:12:46.370,0:12:49.376
diferentes esquemas de predicción,[br]hasta que es mejor y mejor.

0:12:49.400,0:12:53.167
No necesariamente se retroalimenta [br]la forma cómo lo hicimos.

0:12:53.191,0:12:55.440
Pero funcionó.

0:12:55.440,0:12:57.993
CA: ¿Estos diferentes esquemas [br]de predicción [br]

0:12:57.993,0:13:00.233
pueden ser muy [br]descontrolados e inesperados?

0:13:00.233,0:13:02.141
Quiero decir, consideraban todo, [br]¿no?

0:13:02.141,0:13:05.618
¿Observaban el tiempo, la longitud [br]de los vestidos, la opinión política?

0:13:05.618,0:13:08.469
JS: Sí, pero la longitud de los vestidos [br]no la consideramos.

0:13:08.469,0:13:10.430
CA: ¿Qué cosas, pues?

0:13:10.454,0:13:11.612
JS: Bueno, todo.

0:13:11.636,0:13:15.590
Todo es grano para el molino, [br]excepto las longitudes del dobladillo.

0:13:16.492,0:13:19.152
Tiempo, informes anuales,

0:13:19.176,0:13:23.802
informes trimestrales, datos históricos, [br]volúmenes, lo que sea.

0:13:23.802,0:13:25.083
Lo que haya.

0:13:25.107,0:13:27.728
Eran terabytes de datos diariamente.

0:13:27.752,0:13:31.876
Y lo almacenábamos y lo preparábamos [br]para su análisis.

0:13:33.446,0:13:34.828
Uno busca anomalías.

0:13:34.852,0:13:37.399
Uno busca, como has dicho,

0:13:37.399,0:13:40.281
que la hipótesis del mercado [br]eficiente no es correcta.

0:13:40.305,0:13:43.772
CA: Pero cualquiera anomalía [br]podría ser algo al azar.

0:13:43.796,0:13:47.454
Por lo tanto, ¿el secreto era observar [br]múltiples anomalías extrañas

0:13:47.478,0:13:49.186
y ver cuando se alinean?

0:13:49.238,0:13:51.905
JS: Cualquier anomalía [br]podría ser algo al azar;

0:13:51.905,0:13:55.934
Sin embargo, si uno tiene suficientes [br]datos se puede predecir que no lo es.

0:13:55.934,0:13:59.738
Se puede observar una anomalía [br]que persiste

0:13:59.738,0:14:02.511
durante un tiempo suficientemente largo,

0:14:02.511,0:14:05.511
la probabilidad de que [br]no sea aleatoria es alta.

0:14:05.511,0:14:10.369
Pero esto se desvirtúa con el tiempo; [br]las anomalías pueden desteñirse.

0:14:10.393,0:14:12.813
Hay que mantenerse [br]en la cresta del negocio.

0:14:12.837,0:14:15.509
CA: Mucha gente mira el sector [br]de fondos de cobertura

0:14:15.533,0:14:19.931
y de alguna manera, están sorprendidos

0:14:19.955,0:14:22.127
por la cantidad de riqueza [br]que se crea allí,

0:14:22.151,0:14:24.596
y cuánto talento se va a allí.

0:14:25.253,0:14:29.529
¿Tienes alguna preocupación [br]concerniente a la industria,

0:14:29.553,0:14:31.967
y quizá al sector financiero, en general?

0:14:31.991,0:14:34.695
¿Del tipo que esté fuera de control,

0:14:34.719,0:14:38.749
y que contribuya [br]a aumentar la desigualdad?

0:14:38.773,0:14:42.604
¿Cómo se sostendrá lo que sucede [br]en el sector de fondos de cobertura?

0:14:42.628,0:14:44.770
JS: Creo que en [br]los últimos 3 o 4 años,

0:14:44.770,0:14:47.603
los fondos de cobertura [br]no lo han hecho especialmente bien.

0:14:47.603,0:14:48.787
Hemos hecho el dandi,

0:14:48.811,0:14:52.812
el sector de fondos en su conjunto [br]no lo ha hecho muy bien.

0:14:52.836,0:14:57.738
El mercado de valores ha estado de [br]buena racha, subiendo como todos saben,

0:14:57.762,0:15:01.207
y los ratios precio-beneficios [br]han crecido.

0:15:01.231,0:15:04.294
Así que una gran cantidad de [br]la riqueza creada en el pasado,

0:15:04.318,0:15:07.668
digamos, 5 o 6 años, no se ha creado [br]por los fondos de cobertura.

0:15:08.458,0:15:11.679
La gente me preguntaba: [br]"¿Qué son fondos de cobertura?".

0:15:11.703,0:15:13.963
Y yo digo: "1 y 20".

0:15:13.987,0:15:17.553
Lo que significa, [br]--ahora es 2 y 20--,

0:15:17.577,0:15:20.554
2 % de tarifa fija [br]y el 20 % sobre las ganancias.

0:15:20.554,0:15:23.306
Los fondos de cobertura [br]son seres diferentes.

0:15:23.330,0:15:26.569
CA: Se dice que cobras honorarios [br]ligeramente más altos que eso.

0:15:27.339,0:15:30.420
JS: Cobramos las tarifas más altas [br]en el mundo en este momento.

0:15:30.444,0:15:33.670
5 y 44, eso es lo que cobramos.

0:15:33.694,0:15:35.092
CA: 5 y 44.

0:15:35.116,0:15:37.204
Así que 5 % tarifa plana, [br]y 44 % de alza.

0:15:37.204,0:15:40.871
Y aún así haces que tus inversores ganen [br]cantidades espectaculares de dinero.

0:15:40.871,0:15:42.936
JS: Sí, logramos un buen rendimiento.

0:15:42.936,0:15:45.983
La gente se molesta: "¿Cómo [br]se pueden cobrar esas tasas altas?".

0:15:45.983,0:15:47.828
Y yo: "Bueno, pueden irse".

0:15:47.828,0:15:50.726
Pero, "¿Cómo puedo obtener más?",[br]era lo que decía la gente...

0:15:50.726,0:15:51.678
(Risas)

0:15:51.702,0:15:54.142
Pero en un momento dado, [br]como he dicho,

0:15:54.166,0:15:59.095
compramos todos los inversores, [br]por tener una capacidad para el fondo.

0:15:59.095,0:16:02.239
CA: ¿Debemos preocuparnos de que [br]el sector de fondos de cobertura

0:16:02.239,0:16:06.945
atraiga demasiados talentos [br]matemáticos del mundo

0:16:06.945,0:16:10.793
que trabajen en eso, en vez de aplicarlo [br]a los otros muchos problemas del mundo?

0:16:10.817,0:16:12.746
JS: Bueno, no son solo matemáticos.

0:16:12.770,0:16:15.449
Contratamos astrónomos y físicos [br]y otros similares.

0:16:15.833,0:16:18.264
No creo que debamos [br]preocuparnos demasiado.

0:16:18.288,0:16:21.430
Es todavía un sector bastante pequeño.

0:16:21.454,0:16:27.451
Y, de hecho, llevar la ciencia [br]al mundo de la inversión

0:16:27.475,0:16:29.634
ha mejorado ese mundo.

0:16:29.658,0:16:33.592
Se reduce la volatilidad. [br]Ha aumentado la liquidez.

0:16:33.592,0:16:36.885
Los diferenciales son más estrechos [br]porque las personas los negocian.

0:16:36.885,0:16:42.171
Por eso no me preocupa que Einstein [br]se vaya al sector del fondo de cobertura.

0:16:42.478,0:16:46.642
CA: Sin embargo, estás en una fase [br]de tu vida en que inviertes

0:16:46.666,0:16:50.400
en el otro extremo [br]de la cadena de suministro.

0:16:50.424,0:16:54.528
Estás impulsando [br]las matemáticas en todo EE. UU.

0:16:54.552,0:16:56.417
Esta es tu esposa, Marilyn.

0:16:56.441,0:17:01.197
Están trabajando [br]en temas filantrópicos juntos.

0:17:01.221,0:17:02.384
Háblame de eso.

0:17:02.408,0:17:06.057
JS: Bueno, Marilyn comenzó,

0:17:06.080,0:17:09.528
--ahí está allí, mi bella esposa--

0:17:09.551,0:17:12.418
empezó la fundación hace 20 años.

0:17:12.418,0:17:13.699
Creo que en 1994.

0:17:13.723,0:17:16.078
Yo digo que en el 93, [br]ella dice que fue en el 94,

0:17:16.078,0:17:18.553
pero fue uno de esos dos años.

0:17:18.553,0:17:20.496
(Risas)

0:17:20.496,0:17:27.315
Empezamos la fundación, como [br]una forma apropiada de hacer beneficencia.

0:17:28.136,0:17:30.577
Ella llevaba la contabilidad y eso.

0:17:30.577,0:17:37.591
No teníamos una visión en ese momento, [br]pero poco a poco surgió una visión

0:17:37.615,0:17:40.569
que era centrarnos [br]en matemáticas y ciencias,

0:17:40.569,0:17:43.569
centrarnos en la investigación básica.

0:17:43.569,0:17:46.341
Y eso es lo que hemos hecho.

0:17:46.365,0:17:52.584
Hace 6 años me fui de Renacimiento [br]a trabajar en la fundación.

0:17:52.584,0:17:54.315
Así que eso es lo que hacemos.

0:17:54.339,0:17:57.248
CA: Y así Math for America [br]básicamente invierte

0:17:57.272,0:17:59.910
en profesores de matemáticas [br]de todo el país,

0:17:59.934,0:18:03.736
dándoles un ingreso extra, [br]dándoles apoyo y coaching.

0:18:03.760,0:18:06.565
Y realmente tratando de hacer [br]lo que es más eficaz

0:18:06.565,0:18:09.606
y hacer una convocatoria a la que [br]los profesores puede aspirar.

0:18:09.606,0:18:14.250
JS: Sí, en vez de desalentar [br]a los malos profesores,

0:18:14.274,0:18:19.127
que ha creado problemas morales [br]en la comunidad educativa,

0:18:19.151,0:18:21.682
especialmente [br]en matemáticas y ciencias,

0:18:21.682,0:18:27.746
nos centramos en alentar [br]a los buenos y en darles un estatus.

0:18:27.770,0:18:30.701
Sí, les damos dinero extra, [br]15 000 dólares al año.

0:18:30.725,0:18:34.206
Tenemos 800 profesores de [br]matemáticas y ciencias en Nueva York

0:18:34.206,0:18:37.030
en las escuelas públicas hoy, [br]como parte de un núcleo.

0:18:37.054,0:18:40.740
Hay una gran moral entre ellos.

0:18:40.764,0:18:43.174
Se quedan en el tema.

0:18:43.174,0:18:46.289
El año que viene, serán 1000 y [br]serán el 10 % de los profesores

0:18:46.289,0:18:49.947
de matemáticas y ciencias [br]de las escuelas públicas en Nueva York.

0:18:49.947,0:18:55.686
(Aplausos)

0:18:55.710,0:18:59.120
CA: Jim, hay otro proyecto filantrópico [br]que has apoyado:

0:18:59.144,0:19:01.541
la investigación sobre [br]los orígenes de la vida.

0:19:01.565,0:19:03.072
¿Qué vemos aquí?

0:19:03.536,0:19:05.418
JS: Bueno, espera un segundo,

0:19:05.442,0:19:07.604
y te diré lo que están viendo.

0:19:07.628,0:19:10.794
Los orígenes de la vida es [br]algo fascinante.

0:19:10.794,0:19:12.441
¿Cómo llegamos aquí?

0:19:13.170,0:19:14.941
Bueno, hay dos preguntas:

0:19:14.965,0:19:20.833
Una de ellas, ¿cuál es la ruta [br]desde la geología a la biología?

0:19:20.857,0:19:22.238
¿Cómo llegamos aquí?

0:19:22.262,0:19:24.626
Y la otra, ¿con qué empezamos?

0:19:24.650,0:19:27.752
¿Con qué material, qué tenemos [br]que trabajar en esta ruta?

0:19:27.776,0:19:30.837
Son dos preguntas muy, [br]muy interesantes.

0:19:31.773,0:19:37.607
La primera pregunta es un camino [br]tortuoso desde la geología hasta el ARN,

0:19:37.631,0:19:39.889
¿cómo se llegó ahí?

0:19:39.913,0:19:42.301
Y la otra, ¿con qué tenemos [br]que trabajar?

0:19:42.325,0:19:44.096
Bueno, con más [br]de lo que pensamos.

0:19:44.120,0:19:48.963
Así lo de la foto es [br]una estrella en formación.

0:19:49.836,0:19:53.261
Cada año en nuestra Vía Láctea, [br]que tiene 100 mil millones de estrellas,

0:19:53.285,0:19:55.780
se crean dos nuevas estrellas.

0:19:55.804,0:19:58.274
No me preguntes cómo, [br]pero se crean.

0:19:58.298,0:20:01.378
Y les toma [br]un millón de años estabilizarse.

0:20:02.132,0:20:04.308
Así que, en estado estacionario,

0:20:04.332,0:20:08.180
hay cerca de dos millones de estrellas [br]en formación siempre.

0:20:08.204,0:20:11.662
Una está en algún estado [br]de este proceso de decantación.

0:20:12.067,0:20:15.003
Y hay toda esta basura circulando [br]alrededor de ella,

0:20:15.027,0:20:16.525
polvo y otras cosas.

0:20:17.479,0:20:20.502
Y que formará, probablemente, [br]un sistema solar, o lo que sea.

0:20:20.526,0:20:22.702
Pero aquí está la cuestión,

0:20:22.726,0:20:29.074
en este polvo que rodea [br]a una estrella en formación

0:20:29.098,0:20:35.133
se han encontrado, [br]moléculas orgánicas significativas.

0:20:35.958,0:20:42.097
Moléculas no solo como el metano, [br]sino formaldehído y cianuro,

0:20:42.121,0:20:48.638
que son bloques de construcción, [br]semillas, si se quiere, de la vida.

0:20:49.136,0:20:51.828
Bueno, puede ser típico.

0:20:52.395,0:20:59.329
Y puede ser típico que los planetas [br]alrededor del universo

0:20:59.353,0:21:02.965
empiecen con algunos de estos bloques [br]de construcción básicos.

0:21:03.830,0:21:06.545
¿Significa eso que existirá [br]la vida por todos lados?

0:21:06.569,0:21:07.933
Puede ser.

0:21:07.957,0:21:12.084
Pero esto es una muestra de [br]lo es tortuoso que este camino

0:21:12.108,0:21:16.502
desde aquellos inicios frágiles, [br]esas semillas, todo el camino a la vida.

0:21:16.526,0:21:21.718
Y la mayoría de esas semillas caerán [br]en planetas de barbecho.

0:21:21.742,0:21:23.151
CA: ¿Para ti, personalmente,

0:21:23.175,0:21:25.897
encontrar una respuesta a [br]esta pregunta de dónde venimos,

0:21:25.921,0:21:29.579
de cómo sucedió, es algo [br]que te encantaría descubrir?

0:21:29.603,0:21:31.389
JS: Sí, me encantaría verlo.

0:21:31.413,0:21:32.903
Y gustaría saber

0:21:32.927,0:21:38.097
si ese camino es muy tortuoso, [br]y tan improbable,

0:21:38.121,0:21:42.875
que no importa cómo empezar, [br]podríamos ser una singularidad.

0:21:43.336,0:21:44.488
Pero por otro lado,

0:21:44.512,0:21:47.990
debido a este polvo orgánico [br]flotando alrededor,

0:21:48.014,0:21:51.805
podríamos tener [br]muchos amigos allí.

0:21:52.947,0:21:54.108
Sería bueno saberlo.

0:21:54.132,0:21:57.612
CA: Jim, hace unos años, tuve [br]la oportunidad de hablar con Elon Musk,

0:21:57.636,0:22:00.473
y le pregunté el secreto de su éxito,

0:22:00.497,0:22:04.188
y dijo tomarme la física [br]en serio fue todo.

0:22:04.696,0:22:08.699
Escucharte decir que tomar [br]en serio las matemáticas,

0:22:08.723,0:22:11.726
ha impulsado toda tu vida.

0:22:12.123,0:22:16.686
Has hecho una fortuna, [br]y ahora sé que te permite invertir

0:22:16.710,0:22:21.206
en el futuro de miles y miles de niños [br]en todo EE. UU. y en otros lugares.

0:22:21.567,0:22:24.425
¿Podría ser que la ciencia [br]realmente funciona?

0:22:24.449,0:22:27.221
¿Que las matemáticas [br]realmente funcionan?

0:22:27.245,0:22:31.617
JS: Las matemáticas sí funcionan. [br]Las matemáticas ciertamente funcionan.

0:22:31.641,0:22:32.839
Y esto ha sido divertido.

0:22:32.863,0:22:37.809
Trabajar con Marilyn y donar [br]ha sido muy bueno,

0:22:37.833,0:22:40.769
CA: Acabo de encontrar [br]un pensamiento inspirador para mí,

0:22:40.793,0:22:44.800
que al tomar en serio el conocimiento, [br]se puede obtener mucho más de él.

0:22:44.824,0:22:47.842
Así que gracias por tu vida increíble, [br]y por venir aquí a TED.

0:22:47.866,0:22:48.617
Gracias.

0:22:48.651,0:22:49.752
¡Jim Simons!

0:22:49.806,0:22:54.186
(Aplausos)