1
00:00:00,617 --> 00:00:03,575
Chris Anderson: Tú eras algo así como 
un fenómeno matemático.

2
00:00:03,575 --> 00:00:07,009
De muy joven ya impartías clases 
en Harvard y en el MIT.

3
00:00:07,009 --> 00:00:09,243
Y luego llegó a llamarte la NSA.

4
00:00:09,464 --> 00:00:10,668
¿Qué pasó?

5
00:00:10,957 --> 00:00:15,130
Jim Simons: Bueno, la NSA, 
la Agencia de Seguridad Nacional,

6
00:00:15,154 --> 00:00:17,253
no vino precisamente a llamarme.

7
00:00:17,465 --> 00:00:21,939
Tenían una operación en Princeton, 
y contrataron a matemáticos

8
00:00:21,963 --> 00:00:25,075
para atacar a los códigos secretos 
y cosas por el estilo.

9
00:00:25,294 --> 00:00:26,966
Yo sabía que existía.

10
00:00:27,315 --> 00:00:29,495
Tenían una muy buena política,

11
00:00:29,519 --> 00:00:33,369
porque la mitad del tiempo podía uno 
trabajar en sus propias matemáticas,

12
00:00:33,393 --> 00:00:36,877
y la otra mitad trabajabas 
para las cosas de ellos.

13
00:00:37,499 --> 00:00:39,033
Y pagaban muy bien.

14
00:00:39,057 --> 00:00:42,108
Así que era algo irresistible.

15
00:00:42,132 --> 00:00:43,788
Y fui allí.

16
00:00:43,788 --> 00:00:45,526
CA: Eras un descifrador 
de códigos.

17
00:00:45,526 --> 00:00:46,596
JS: Así es.

18
00:00:46,620 --> 00:00:48,107
CA: Hasta que te despidieron.

19
00:00:48,107 --> 00:00:49,674
JS: Me despidieron. Sí.

20
00:00:49,674 --> 00:00:50,793
CA: ¿Por qué?

21
00:00:51,280 --> 00:00:52,683
JS: Bueno, ¿por qué?

22
00:00:53,461 --> 00:00:58,521
Me despidieron porque la guerra 
de Vietnam estaba en marcha,

23
00:00:58,521 --> 00:01:04,328
y el gran jefe en mi organización 
era un súper fan de la guerra

24
00:01:04,352 --> 00:01:08,572
y escribió un artículo en la portada 
del New York Times

25
00:01:08,572 --> 00:01:10,542
sobre cómo íbamos 
a ganar en Vietnam.

26
00:01:10,566 --> 00:01:13,669
Y no me gustaba aquella guerra, 
pensaba que era absurda.

27
00:01:13,669 --> 00:01:16,384
Y escribí una carta al Times 
que publicaron,

28
00:01:16,408 --> 00:01:20,422
diciendo que no todos los que 
trabajaban para Maxwell Taylor,

29
00:01:20,446 --> 00:01:25,212
--si alguien se acuerda de ese nombre--, 
estaban de acuerdo con él.

30
00:01:25,463 --> 00:01:27,211
Y di mi propia opinión...

31
00:01:27,235 --> 00:01:29,399
CA: Oh, ya veo...

32
00:01:29,423 --> 00:01:31,962
JS: ... que era diferente 
a la del general Taylor.

33
00:01:31,962 --> 00:01:33,908
Pero al final, nadie dijo nada.

34
00:01:33,932 --> 00:01:37,633
Tenía 29 años entonces, 
y un chico vino

35
00:01:37,657 --> 00:01:40,745
y dijo que era un informante 
de la revista Newsweek

36
00:01:40,769 --> 00:01:46,136
y quería entrevistarme para preguntarme 
qué hacía con respecto a mis opiniones.

37
00:01:46,160 --> 00:01:50,059
Y le dije: "Estoy haciendo 
sobre todo matemáticas

38
00:01:50,083 --> 00:01:53,616
y cuando termine la guerra, entonces 
haré sobre todo otras cosas".

39
00:01:54,123 --> 00:01:56,948
Entonces hice lo único inteligente 
en ese día.

40
00:01:56,972 --> 00:02:01,129
Le dije a mi jefe de departamento
que había dado esa entrevista.

41
00:02:01,153 --> 00:02:02,672
Y él preguntó: "¿Qué dijiste?".

42
00:02:02,672 --> 00:02:04,242
Y yo le expliqué lo que dije.

43
00:02:04,242 --> 00:02:06,441
Y luego dijo: 
"Tengo que llamar a Taylor".

44
00:02:06,465 --> 00:02:08,842
Llamó a Taylor, duró 10 minutos.

45
00:02:08,866 --> 00:02:11,278
Me despidieron cinco minutos 
después de eso.

46
00:02:11,590 --> 00:02:12,812
CA: Bien.

47
00:02:12,836 --> 00:02:13,987
JS: Pero no fue malo.

48
00:02:14,011 --> 00:02:16,504
CA: No fue malo, 
porque te fuiste a Stony Brook

49
00:02:16,528 --> 00:02:19,661
y avanzaste en tu carrera matemática.

50
00:02:19,685 --> 00:02:22,137
Comenzaste a trabajar 
con este hombre.

51
00:02:22,161 --> 00:02:23,425
¿Quién es este?

52
00:02:24,142 --> 00:02:25,764
JS: Shiing-Shen Chern.

53
00:02:25,788 --> 00:02:28,892
Chern era uno de los grandes 
matemáticos del siglo.

54
00:02:28,916 --> 00:02:34,149
Lo había conocido siendo 
estudiante en Berkeley.

55
00:02:34,173 --> 00:02:36,044
Yo tenía algunas ideas,

56
00:02:36,068 --> 00:02:38,515
se las expuse a él y le gustaron.

57
00:02:38,539 --> 00:02:45,165
Juntos, hicimos este trabajo, 
que pueden ver fácilmente ahí.

58
00:02:45,189 --> 00:02:46,339
Ahí está.

59
00:02:47,008 --> 00:02:50,804
CA: Eso les llevó a la publicación 
de un famoso artículo juntos.

60
00:02:50,828 --> 00:02:54,066
¿Puedes explicar qué era ese trabajo?

61
00:02:55,028 --> 00:02:56,186
JS: No.

62
00:02:56,210 --> 00:02:58,484
(Risas)

63
00:02:58,856 --> 00:03:01,030
JS: Bueno, podría 
explicárselo a alguien.

64
00:03:01,054 --> 00:03:03,129
(Risas)

65
00:03:03,153 --> 00:03:05,017
CA: ¿Qué tal si lo explicas?

66
00:03:05,041 --> 00:03:07,770
JS: Pero no a muchos. 
No a mucha gente.

67
00:03:09,144 --> 00:03:11,958
CA: Creo que me dijiste que tenía algo 
que ver con esferas,

68
00:03:11,982 --> 00:03:13,844
empecemos por aquí.

69
00:03:13,868 --> 00:03:17,468
JS: Sí, así es, pero diré de ese trabajo,

70
00:03:17,492 --> 00:03:20,692
que sí que tenía que ver con eso, 
pero antes de llegar a eso,

71
00:03:20,716 --> 00:03:24,256
el trabajo era buenas matemáticas.

72
00:03:24,280 --> 00:03:26,772
Yo estaba muy contento 
y también Chern.

73
00:03:27,910 --> 00:03:32,086
Incluso abordó un subcampo 
que ahora está floreciente.

74
00:03:32,638 --> 00:03:37,932
Pero, lo más interesante, 
es que se aplicó a la física,

75
00:03:37,956 --> 00:03:42,251
algo de lo que no sabíamos nada, 
al menos yo no sabía nada de física,

76
00:03:42,275 --> 00:03:44,557
y no creo que Chern tampoco 
supiera mucho.

77
00:03:44,581 --> 00:03:48,544
Unos 10 años después 
de publicarse el artículo

78
00:03:48,568 --> 00:03:53,048
Ed Witten en Princeton lo comenzó 
a aplicar a la teoría de cuerdas

79
00:03:53,072 --> 00:03:57,924
y la gente en Rusia lo aplicó 
a lo llamado "materia condensada".

80
00:03:57,948 --> 00:04:02,841
Hoy, esas cosas se llaman 
invariantes Chern-Simons

81
00:04:02,865 --> 00:04:04,730
que se ha extendido mucho 
en la física.

82
00:04:04,754 --> 00:04:05,928
Y fue increíble.

83
00:04:05,952 --> 00:04:07,317
No sabíamos de física.

84
00:04:07,714 --> 00:04:10,568
Nunca se me ocurrió que 
se aplicaría a la física.

85
00:04:10,592 --> 00:04:14,380
Pero eso pasa con las matemáticas, 
nunca se sabe dónde irán.

86
00:04:14,404 --> 00:04:15,896
CA: Esto es tan increíble.

87
00:04:15,920 --> 00:04:20,284
Hemos hablado de cómo la evolución 
da forma a las mentes humanas

88
00:04:20,308 --> 00:04:22,816
que pueden o no percibir la verdad.

89
00:04:22,840 --> 00:04:26,153
De alguna manera, 
con una teoría matemática,

90
00:04:26,177 --> 00:04:28,025
sin saber nada de física,

91
00:04:28,049 --> 00:04:30,547
descubres que dos décadas 
después se aplica

92
00:04:30,571 --> 00:04:33,602
para describir detalladamente 
el mundo físico real.

93
00:04:33,626 --> 00:04:34,779
¿Cómo es posible?

94
00:04:34,803 --> 00:04:35,960
JS: Dios lo sabe.

95
00:04:35,984 --> 00:04:38,094
(Risas)

96
00:04:38,849 --> 00:04:41,999
Pero un famoso físico, 
Eugenio Wigner,

97
00:04:42,023 --> 00:04:47,611
escribió un ensayo sobre la eficacia 
irracional de las matemáticas.

98
00:04:47,635 --> 00:04:51,587
Estas matemáticas con 
raíces en el mundo real

99
00:04:51,611 --> 00:04:56,606
--en cierto sentido, aprendemos a contar, 
medir, lo que todo el mundo haría--,

100
00:04:56,630 --> 00:04:58,700
luego florecen por sí solas.

101
00:04:58,976 --> 00:05:01,817
Pero muy a menudo se trata 
de volver a salvar los muebles.

102
00:05:02,293 --> 00:05:04,471
La relatividad general es un ejemplo.

103
00:05:04,495 --> 00:05:07,612
Hermann Minkowski tenía esa geometría, 
y Einstein se dio cuenta,

104
00:05:07,636 --> 00:05:11,483
"¡Oye! Es en lo mismo que 
puedo enmarcar la relatividad general".

105
00:05:11,507 --> 00:05:14,749
Por lo tanto, nunca se sabe. 
Es un misterio.

106
00:05:15,056 --> 00:05:16,273
Es un misterio.

107
00:05:16,297 --> 00:05:19,593
CA: Aquí pues hay algo de 
ingenuidad matemática.

108
00:05:19,617 --> 00:05:20,959
Háblanos de esto.

109
00:05:20,983 --> 00:05:26,907
JS: Es una bola, es una esfera, 
y tiene un enrejado alrededor,

110
00:05:26,931 --> 00:05:29,004
sabes, esos cuadrados.

111
00:05:30,537 --> 00:05:35,603
Lo que mostraré, lo observó 
originalmente Leonhard Euler,

112
00:05:35,627 --> 00:05:37,881
el gran matemático, en el 1700.

113
00:05:38,223 --> 00:05:43,404
Y se desarrolló en un campo muy 
importante de las matemáticas:

114
00:05:43,428 --> 00:05:46,032
topología algebraica, geometría.

115
00:05:47,039 --> 00:05:51,403
Ese artículo de entonces tenía 
sus raíces en esto.

116
00:05:51,427 --> 00:05:53,261
Así que, aquí está esto:

117
00:05:53,285 --> 00:05:57,737
tiene ocho vértices, 
12 aristas, seis caras.

118
00:05:57,761 --> 00:06:01,591
Y si nos fijamos en la diferencia, 
vértices, menos aristas, más caras,

119
00:06:01,615 --> 00:06:02,767
uno obtiene dos.

120
00:06:02,791 --> 00:06:05,010
Bien, dos. 
Es un buen número.

121
00:06:05,034 --> 00:06:09,282
Esta es una manera diferente de 
hacerlo, son triángulos que cubren...

122
00:06:09,306 --> 00:06:13,883
esto tiene 12 vértices y 30 aristas

123
00:06:13,907 --> 00:06:18,102
y 20 caras o 20 azulejos.

124
00:06:18,576 --> 00:06:23,167
Y vértices menos aristas más caras 
todavía es igual a dos.

125
00:06:23,191 --> 00:06:26,038
Y de hecho, se puede hacer 
de cualquier manera,

126
00:06:26,062 --> 00:06:29,460
aplicado a todo tipo de 
polígonos y triángulos

127
00:06:29,484 --> 00:06:30,804
y mezclarlos.

128
00:06:30,828 --> 00:06:34,417
Y uno toma vértices, menos aristas, 
más caras y uno siempre obtendrá dos.

129
00:06:34,417 --> 00:06:36,022
Aquí hay una forma diferente.

130
00:06:36,480 --> 00:06:41,730
Este es un toro o la superficie 
de un donut: 16 vértices

131
00:06:41,754 --> 00:06:45,998
cubierto por estos rectángulos, 
32 aristas, 16 caras.

132
00:06:46,530 --> 00:06:49,214
Los vértices menos aristas 
son cero.

133
00:06:49,238 --> 00:06:50,713
Siempre se obtendrá cero.

134
00:06:50,737 --> 00:06:55,047
Cada vez que se cubre un toro 
con cuadrados o triángulos

135
00:06:55,071 --> 00:06:59,006
o lo que sea, se obtiene cero.

136
00:07:00,134 --> 00:07:02,904
Esto se llama 
la característica de Euler.

137
00:07:02,928 --> 00:07:06,377
Y se llama invariante topológica.

138
00:07:06,629 --> 00:07:07,849
Es bastante increíble.

139
00:07:07,849 --> 00:07:10,930
No importa cómo se haga, 
siempre se obtiene la misma respuesta.

140
00:07:10,930 --> 00:07:17,143
Ese fue el primer empuje, desde 
mediados de la década de 1700,

141
00:07:17,167 --> 00:07:20,936
un tema que ahora se conoce 
como topología algebraica.

142
00:07:20,960 --> 00:07:23,943
CA: Y su propio trabajo tomó 
una idea que se trasladó

143
00:07:23,967 --> 00:07:26,340
en la teoría de dimensiones superiores,

144
00:07:26,340 --> 00:07:29,748
objetos de dimensiones superiores, 
y ¿ha encontrado nuevas invariantes?

145
00:07:29,748 --> 00:07:34,195
JS: Sí. Había invariantes ya 
de dimensiones superiores.

146
00:07:34,219 --> 00:07:38,676
Clases de Pontryagin, en realidad, 
tipos de Chern.

147
00:07:38,700 --> 00:07:42,248
Había un montón de esos tipos 
de invariantes.

148
00:07:42,272 --> 00:07:46,407
He tenido problemas 
para trabajar en uno de ellos

149
00:07:46,431 --> 00:07:50,634
y modelarlo en una especie 
de combinatoria,

150
00:07:50,658 --> 00:07:53,680
en lugar de la forma 
cómo se realiza normalmente,

151
00:07:53,704 --> 00:07:58,063
y que dio lugar a este trabajo 
descubriendo cosas nuevas.

152
00:07:58,087 --> 00:08:01,588
Pero si no hubiera sido 
por el Sr. Euler

153
00:08:01,612 --> 00:08:05,593
que escribió casi 70 volúmenes 
de matemáticas

154
00:08:05,617 --> 00:08:07,348
y tuvo 13 hijos,

155
00:08:07,372 --> 00:08:13,814
que al parecer mecía en sus rodillas
mientras escribía,

156
00:08:13,838 --> 00:08:19,612
si no hubiera sido por Euler, tal vez 
no habrían resultado esas invariantes.

157
00:08:20,157 --> 00:08:24,254
CA: Eso por lo menos nos da 
una idea de esa mente increíble.

158
00:08:24,714 --> 00:08:26,347
Hablemos de Renacimiento.

159
00:08:26,371 --> 00:08:29,251
Porque tomaste esa mente increíble y

160
00:08:29,251 --> 00:08:32,251
de haber sido descifrador 
de códigos en la NSA,

161
00:08:32,251 --> 00:08:35,520
te convertiste en descifrador de códigos 
en la industria financiera.

162
00:08:35,520 --> 00:08:38,193
Seguro que no compraste 
una teoría de mercado eficiente.

163
00:08:38,217 --> 00:08:41,629
Encontraste una forma de crear 
rendimientos sorprendentes

164
00:08:41,629 --> 00:08:44,489
hace más de dos décadas.

165
00:08:44,489 --> 00:08:46,560
La forma cómo me han explicado
lo notable

166
00:08:46,560 --> 00:08:49,487
sobre lo que hiciste no es solo 
el tamaño del rendimiento,

167
00:08:49,487 --> 00:08:52,097
es que las tomaste 
con sorprendentemente


168
00:08:52,097 --> 00:08:53,964
baja volatilidad y el riesgo,

169
00:08:53,964 --> 00:08:56,138
en comparación con 
otros fondos de inversión.

170
00:08:56,138 --> 00:08:57,861
¿Cómo lo lograste, Jim?

171
00:08:58,071 --> 00:09:02,096
JS: Lo hice uniendo a 
un grupo maravilloso de personas.

172
00:09:02,096 --> 00:09:04,136
Al empezar con el comercio bursátil,

173
00:09:04,136 --> 00:09:06,536
estaba un poco cansado 
de las matemáticas.

174
00:09:06,536 --> 00:09:10,109
Tenía 30 años, 
tenía un poco de dinero.

175
00:09:10,133 --> 00:09:12,782
Empecé práctica bursátil 
y me fue muy bien.

176
00:09:13,063 --> 00:09:15,645
Hice mucho dinero por pura suerte.

177
00:09:15,645 --> 00:09:17,501
Quiero decir, 
creo que fue pura suerte.

178
00:09:17,525 --> 00:09:19,634
Ciertamente no fue un modelo
matemático.

179
00:09:19,658 --> 00:09:23,489
Pero en el estudio de los datos, 
tras un tiempo me di cuenta

180
00:09:23,513 --> 00:09:26,066
de que al parece 
existía cierta estructura.

181
00:09:26,090 --> 00:09:29,787
Y contraté unos matemáticos y 
empecé a hacer algunos modelos,

182
00:09:29,811 --> 00:09:34,076
como el tipo de cosas que hacía en el 
Instituto de Análisis de Defensa.

183
00:09:34,100 --> 00:09:36,933
Uno diseña un algoritmo, 
lo prueba en una computadora.

184
00:09:36,957 --> 00:09:39,123
¿Funciona? ¿No funciona? Etc.

185
00:09:39,443 --> 00:09:40,922
CA: ¿Echamos 
un vistazo a esto?

186
00:09:40,946 --> 00:09:45,487
Aquí hay un gráfico típico 
de algunos productos básicos.

187
00:09:46,487 --> 00:09:50,412
Lo miro y digo: "Eso es solo una 
caminata aleatoria, arriba y abajo,

188
00:09:50,412 --> 00:09:53,494
con una ligera tendencia al alza
en todo ese período de tiempo".

189
00:09:53,494 --> 00:09:55,551
¿Cómo pudiste comerciar viendo eso,

190
00:09:55,575 --> 00:09:57,901
y detectar algo que no era 
simplemente al azar?

191
00:09:57,925 --> 00:10:01,172
JS: Hace tiempo, este es 
un gráfico de los viejos tiempos,

192
00:10:01,196 --> 00:10:05,480
las materias primas o divisas 
tenían una tendencia a la tendencia.

193
00:10:05,504 --> 00:10:11,559
No la ligera tendencia que ves aquí,
sino tendencias en los períodos.

194
00:10:11,583 --> 00:10:15,639
Y si decides, hoy voy a predecir,

195
00:10:15,663 --> 00:10:20,361
con base en el promedio móvil 
de los últimos 20 días,

196
00:10:20,395 --> 00:10:23,762
tal vez eso sea una buena predicción, 
y se puede hacer algo de dinero.

197
00:10:23,786 --> 00:10:29,394
Y, de hecho, hace años, 
un sistema así funcionaba,

198
00:10:29,418 --> 00:10:31,809
no muy bien, 
pero funcionaba.

199
00:10:31,833 --> 00:10:34,342
Se hacía dinero, se perdía dinero, 
se hacía dinero.

200
00:10:34,366 --> 00:10:36,564
Pero el año valía la pena

201
00:10:36,588 --> 00:10:40,829
y podías hacer algo de dinero 
durante ese período.

202
00:10:41,884 --> 00:10:43,962
Es un sistema muy rudimentario.

203
00:10:44,415 --> 00:10:48,054
CA: ¿Así que pusiste a prueba 
longitudes de tendencias en el tiempo

204
00:10:48,078 --> 00:10:50,208
para ver si, por ejemplo,

205
00:10:50,208 --> 00:10:54,159
una tendencia de 10 días o de 15 era 
predictiva de lo que sucedía después.

206
00:10:54,159 --> 00:11:00,805
JS: Claro, se podía probar todo eso 
y ver qué funcionaba mejor.

207
00:11:01,515 --> 00:11:04,865
Seguir tendencias habría sido 
estupendo en los años 60,

208
00:11:04,889 --> 00:11:07,021
y estaba bien en los años 70.

209
00:11:07,045 --> 00:11:08,918
Pero en los años 80, ya no era así.

210
00:11:08,942 --> 00:11:11,759
CA: Debido a que todo el mundo 
podía detectarlo.

211
00:11:11,783 --> 00:11:14,565
Así que, ¿cómo lograste 
tomar la delantera?

212
00:11:15,046 --> 00:11:21,178
JS: Nos pusimos en la delantera 
del resto buscando otros enfoques,

213
00:11:21,202 --> 00:11:23,943
enfoques de corto plazo 
hasta cierto punto.

214
00:11:25,107 --> 00:11:28,454
La verdad es que tuvimos que reunir 
una enorme cantidad de datos,

215
00:11:28,478 --> 00:11:32,056
y tuvimos que hacerlo a mano 
al principio.

216
00:11:32,080 --> 00:11:35,546
Fuimos a la Reserva Federal y 
copiamos registros de tipos de interés

217
00:11:35,570 --> 00:11:38,649
y cosas así, pues no estaban 
en las computadoras.

218
00:11:38,649 --> 00:11:40,522
Obtuvimos 
una gran cantidad de datos.

219
00:11:40,526 --> 00:11:44,686
Y gente muy inteligente, 
esa fue la clave.

220
00:11:45,463 --> 00:11:49,339
Yo en verdad no sé cómo contratar 
gente para el comercio bursátil.

221
00:11:49,509 --> 00:11:52,698
Había contratado a algunos, 
algunos hicieron dinero, otros no.

222
00:11:52,722 --> 00:11:54,602
No sabía hacer más negocios que eso.

223
00:11:54,626 --> 00:11:56,668
Pero sabía 
cómo contratar científicos,

224
00:11:56,692 --> 00:12:00,081
porque me gusta 
ese departamento.

225
00:12:00,105 --> 00:12:01,943
Entonces, eso fue lo que hicimos.

226
00:12:01,967 --> 00:12:05,198
Y poco a poco estos modelos 
se fueron mejorando,

227
00:12:05,222 --> 00:12:06,557
y mejorando.

228
00:12:06,581 --> 00:12:09,795
CA: Se les reconoce por hacer 
algo notable como en Renacimiento,

229
00:12:09,819 --> 00:12:12,420
construir esa cultura, 
ese grupo de personas,

230
00:12:12,444 --> 00:12:15,586
que no eran solo armas contratadas, 
que no estaban por dinero.

231
00:12:15,610 --> 00:12:19,522
Su motivación era hacer 
matemáticas emocionantes y ciencia.

232
00:12:19,860 --> 00:12:22,259
JS: Bueno, me gustaría 
que fuera cierto.

233
00:12:22,283 --> 00:12:25,863
Pero algunos se movían 
por el dinero.

234
00:12:25,887 --> 00:12:27,174
CA: Hicieron mucho dinero.

235
00:12:27,174 --> 00:12:29,941
JS: No puedo decir que 
ninguno no viniera por el dinero.

236
00:12:29,941 --> 00:12:32,288
Creo que a muchos de ellos 
les movía el dinero.

237
00:12:32,288 --> 00:12:34,743
Pero también vinieron 
porque era fascinante.

238
00:12:34,743 --> 00:12:37,835
CA: ¿Qué papel jugó la máquina 
de aprendizaje en esto?

239
00:12:37,835 --> 00:12:40,843
JS: En cierto modo, hicimos 
una máquina de aprendizaje.

240
00:12:40,879 --> 00:12:46,370
Ante una gran cantidad de datos, 
se intenta simular

241
00:12:46,370 --> 00:12:49,376
diferentes esquemas de predicción,
hasta que es mejor y mejor.

242
00:12:49,400 --> 00:12:53,167
No necesariamente se retroalimenta 
la forma cómo lo hicimos.

243
00:12:53,191 --> 00:12:55,440
Pero funcionó.

244
00:12:55,440 --> 00:12:57,993
CA: ¿Estos diferentes esquemas 
de predicción 


245
00:12:57,993 --> 00:13:00,233
pueden ser muy 
descontrolados e inesperados?

246
00:13:00,233 --> 00:13:02,141
Quiero decir, consideraban todo, 
¿no?

247
00:13:02,141 --> 00:13:05,618
¿Observaban el tiempo, la longitud 
de los vestidos, la opinión política?

248
00:13:05,618 --> 00:13:08,469
JS: Sí, pero la longitud de los vestidos 
no la consideramos.

249
00:13:08,469 --> 00:13:10,430
CA: ¿Qué cosas, pues?

250
00:13:10,454 --> 00:13:11,612
JS: Bueno, todo.

251
00:13:11,636 --> 00:13:15,590
Todo es grano para el molino, 
excepto las longitudes del dobladillo.

252
00:13:16,492 --> 00:13:19,152
Tiempo, informes anuales,

253
00:13:19,176 --> 00:13:23,802
informes trimestrales, datos históricos, 
volúmenes, lo que sea.

254
00:13:23,802 --> 00:13:25,083
Lo que haya.

255
00:13:25,107 --> 00:13:27,728
Eran terabytes de datos diariamente.

256
00:13:27,752 --> 00:13:31,876
Y lo almacenábamos y lo preparábamos 
para su análisis.

257
00:13:33,446 --> 00:13:34,828
Uno busca anomalías.

258
00:13:34,852 --> 00:13:37,399
Uno busca, como has dicho,

259
00:13:37,399 --> 00:13:40,281
que la hipótesis del mercado 
eficiente no es correcta.

260
00:13:40,305 --> 00:13:43,772
CA: Pero cualquiera anomalía 
podría ser algo al azar.

261
00:13:43,796 --> 00:13:47,454
Por lo tanto, ¿el secreto era observar 
múltiples anomalías extrañas

262
00:13:47,478 --> 00:13:49,186
y ver cuando se alinean?

263
00:13:49,238 --> 00:13:51,905
JS: Cualquier anomalía 
podría ser algo al azar;

264
00:13:51,905 --> 00:13:55,934
Sin embargo, si uno tiene suficientes 
datos se puede predecir que no lo es.

265
00:13:55,934 --> 00:13:59,738
Se puede observar una anomalía 
que persiste

266
00:13:59,738 --> 00:14:02,511
durante un tiempo suficientemente largo,

267
00:14:02,511 --> 00:14:05,511
la probabilidad de que 
no sea aleatoria es alta.

268
00:14:05,511 --> 00:14:10,369
Pero esto se desvirtúa con el tiempo; 
las anomalías pueden desteñirse.

269
00:14:10,393 --> 00:14:12,813
Hay que mantenerse 
en la cresta del negocio.

270
00:14:12,837 --> 00:14:15,509
CA: Mucha gente mira el sector 
de fondos de cobertura

271
00:14:15,533 --> 00:14:19,931
y de alguna manera, están sorprendidos

272
00:14:19,955 --> 00:14:22,127
por la cantidad de riqueza 
que se crea allí,

273
00:14:22,151 --> 00:14:24,596
y cuánto talento se va a allí.

274
00:14:25,253 --> 00:14:29,529
¿Tienes alguna preocupación 
concerniente a la industria,

275
00:14:29,553 --> 00:14:31,967
y quizá al sector financiero, en general?

276
00:14:31,991 --> 00:14:34,695
¿Del tipo que esté fuera de control,

277
00:14:34,719 --> 00:14:38,749
y que contribuya 
a aumentar la desigualdad?

278
00:14:38,773 --> 00:14:42,604
¿Cómo se sostendrá lo que sucede 
en el sector de fondos de cobertura?

279
00:14:42,628 --> 00:14:44,770
JS: Creo que en 
los últimos 3 o 4 años,

280
00:14:44,770 --> 00:14:47,603
los fondos de cobertura 
no lo han hecho especialmente bien.

281
00:14:47,603 --> 00:14:48,787
Hemos hecho el dandi,

282
00:14:48,811 --> 00:14:52,812
el sector de fondos en su conjunto 
no lo ha hecho muy bien.

283
00:14:52,836 --> 00:14:57,738
El mercado de valores ha estado de 
buena racha, subiendo como todos saben,

284
00:14:57,762 --> 00:15:01,207
y los ratios precio-beneficios 
han crecido.

285
00:15:01,231 --> 00:15:04,294
Así que una gran cantidad de 
la riqueza creada en el pasado,

286
00:15:04,318 --> 00:15:07,668
digamos, 5 o 6 años, no se ha creado 
por los fondos de cobertura.

287
00:15:08,458 --> 00:15:11,679
La gente me preguntaba: 
"¿Qué son fondos de cobertura?".

288
00:15:11,703 --> 00:15:13,963
Y yo digo: "1 y 20".

289
00:15:13,987 --> 00:15:17,553
Lo que significa, 
--ahora es 2 y 20--,

290
00:15:17,577 --> 00:15:20,554
2 % de tarifa fija 
y el 20 % sobre las ganancias.

291
00:15:20,554 --> 00:15:23,306
Los fondos de cobertura 
son seres diferentes.

292
00:15:23,330 --> 00:15:26,569
CA: Se dice que cobras honorarios 
ligeramente más altos que eso.

293
00:15:27,339 --> 00:15:30,420
JS: Cobramos las tarifas más altas 
en el mundo en este momento.

294
00:15:30,444 --> 00:15:33,670
5 y 44, eso es lo que cobramos.

295
00:15:33,694 --> 00:15:35,092
CA: 5 y 44.

296
00:15:35,116 --> 00:15:37,204
Así que 5 % tarifa plana, 
y 44 % de alza.

297
00:15:37,204 --> 00:15:40,871
Y aún así haces que tus inversores ganen 
cantidades espectaculares de dinero.

298
00:15:40,871 --> 00:15:42,936
JS: Sí, logramos un buen rendimiento.

299
00:15:42,936 --> 00:15:45,983
La gente se molesta: "¿Cómo 
se pueden cobrar esas tasas altas?".

300
00:15:45,983 --> 00:15:47,828
Y yo: "Bueno, pueden irse".

301
00:15:47,828 --> 00:15:50,726
Pero, "¿Cómo puedo obtener más?",
era lo que decía la gente...

302
00:15:50,726 --> 00:15:51,678
(Risas)

303
00:15:51,702 --> 00:15:54,142
Pero en un momento dado, 
como he dicho,

304
00:15:54,166 --> 00:15:59,095
compramos todos los inversores, 
por tener una capacidad para el fondo.

305
00:15:59,095 --> 00:16:02,239
CA: ¿Debemos preocuparnos de que 
el sector de fondos de cobertura

306
00:16:02,239 --> 00:16:06,945
atraiga demasiados talentos 
matemáticos del mundo

307
00:16:06,945 --> 00:16:10,793
que trabajen en eso, en vez de aplicarlo 
a los otros muchos problemas del mundo?

308
00:16:10,817 --> 00:16:12,746
JS: Bueno, no son solo matemáticos.

309
00:16:12,770 --> 00:16:15,449
Contratamos astrónomos y físicos 
y otros similares.

310
00:16:15,833 --> 00:16:18,264
No creo que debamos 
preocuparnos demasiado.

311
00:16:18,288 --> 00:16:21,430
Es todavía un sector bastante pequeño.

312
00:16:21,454 --> 00:16:27,451
Y, de hecho, llevar la ciencia 
al mundo de la inversión

313
00:16:27,475 --> 00:16:29,634
ha mejorado ese mundo.

314
00:16:29,658 --> 00:16:33,592
Se reduce la volatilidad. 
Ha aumentado la liquidez.

315
00:16:33,592 --> 00:16:36,885
Los diferenciales son más estrechos 
porque las personas los negocian.

316
00:16:36,885 --> 00:16:42,171
Por eso no me preocupa que Einstein 
se vaya al sector del fondo de cobertura.

317
00:16:42,478 --> 00:16:46,642
CA: Sin embargo, estás en una fase 
de tu vida en que inviertes

318
00:16:46,666 --> 00:16:50,400
en el otro extremo 
de la cadena de suministro.

319
00:16:50,424 --> 00:16:54,528
Estás impulsando 
las matemáticas en todo EE. UU.

320
00:16:54,552 --> 00:16:56,417
Esta es tu esposa, Marilyn.

321
00:16:56,441 --> 00:17:01,197
Están trabajando 
en temas filantrópicos juntos.

322
00:17:01,221 --> 00:17:02,384
Háblame de eso.

323
00:17:02,408 --> 00:17:06,057
JS: Bueno, Marilyn comenzó,

324
00:17:06,080 --> 00:17:09,528
--ahí está allí, mi bella esposa--

325
00:17:09,551 --> 00:17:12,418
empezó la fundación hace 20 años.

326
00:17:12,418 --> 00:17:13,699
Creo que en 1994.

327
00:17:13,723 --> 00:17:16,078
Yo digo que en el 93, 
ella dice que fue en el 94,

328
00:17:16,078 --> 00:17:18,553
pero fue uno de esos dos años.

329
00:17:18,553 --> 00:17:20,496
(Risas)

330
00:17:20,496 --> 00:17:27,315
Empezamos la fundación, como 
una forma apropiada de hacer beneficencia.

331
00:17:28,136 --> 00:17:30,577
Ella llevaba la contabilidad y eso.

332
00:17:30,577 --> 00:17:37,591
No teníamos una visión en ese momento, 
pero poco a poco surgió una visión

333
00:17:37,615 --> 00:17:40,569
que era centrarnos 
en matemáticas y ciencias,

334
00:17:40,569 --> 00:17:43,569
centrarnos en la investigación básica.

335
00:17:43,569 --> 00:17:46,341
Y eso es lo que hemos hecho.

336
00:17:46,365 --> 00:17:52,584
Hace 6 años me fui de Renacimiento 
a trabajar en la fundación.

337
00:17:52,584 --> 00:17:54,315
Así que eso es lo que hacemos.

338
00:17:54,339 --> 00:17:57,248
CA: Y así Math for America 
básicamente invierte

339
00:17:57,272 --> 00:17:59,910
en profesores de matemáticas 
de todo el país,

340
00:17:59,934 --> 00:18:03,736
dándoles un ingreso extra, 
dándoles apoyo y coaching.

341
00:18:03,760 --> 00:18:06,565
Y realmente tratando de hacer 
lo que es más eficaz

342
00:18:06,565 --> 00:18:09,606
y hacer una convocatoria a la que 
los profesores puede aspirar.

343
00:18:09,606 --> 00:18:14,250
JS: Sí, en vez de desalentar 
a los malos profesores,

344
00:18:14,274 --> 00:18:19,127
que ha creado problemas morales 
en la comunidad educativa,

345
00:18:19,151 --> 00:18:21,682
especialmente 
en matemáticas y ciencias,

346
00:18:21,682 --> 00:18:27,746
nos centramos en alentar 
a los buenos y en darles un estatus.

347
00:18:27,770 --> 00:18:30,701
Sí, les damos dinero extra, 
15 000 dólares al año.

348
00:18:30,725 --> 00:18:34,206
Tenemos 800 profesores de 
matemáticas y ciencias en Nueva York

349
00:18:34,206 --> 00:18:37,030
en las escuelas públicas hoy, 
como parte de un núcleo.

350
00:18:37,054 --> 00:18:40,740
Hay una gran moral entre ellos.

351
00:18:40,764 --> 00:18:43,174
Se quedan en el tema.

352
00:18:43,174 --> 00:18:46,289
El año que viene, serán 1000 y 
serán el 10 % de los profesores

353
00:18:46,289 --> 00:18:49,947
de matemáticas y ciencias 
de las escuelas públicas en Nueva York.

354
00:18:49,947 --> 00:18:55,686
(Aplausos)

355
00:18:55,710 --> 00:18:59,120
CA: Jim, hay otro proyecto filantrópico 
que has apoyado:

356
00:18:59,144 --> 00:19:01,541
la investigación sobre 
los orígenes de la vida.

357
00:19:01,565 --> 00:19:03,072
¿Qué vemos aquí?

358
00:19:03,536 --> 00:19:05,418
JS: Bueno, espera un segundo,

359
00:19:05,442 --> 00:19:07,604
y te diré lo que están viendo.

360
00:19:07,628 --> 00:19:10,794
Los orígenes de la vida es 
algo fascinante.

361
00:19:10,794 --> 00:19:12,441
¿Cómo llegamos aquí?

362
00:19:13,170 --> 00:19:14,941
Bueno, hay dos preguntas:

363
00:19:14,965 --> 00:19:20,833
Una de ellas, ¿cuál es la ruta 
desde la geología a la biología?

364
00:19:20,857 --> 00:19:22,238
¿Cómo llegamos aquí?

365
00:19:22,262 --> 00:19:24,626
Y la otra, ¿con qué empezamos?

366
00:19:24,650 --> 00:19:27,752
¿Con qué material, qué tenemos 
que trabajar en esta ruta?

367
00:19:27,776 --> 00:19:30,837
Son dos preguntas muy, 
muy interesantes.

368
00:19:31,773 --> 00:19:37,607
La primera pregunta es un camino 
tortuoso desde la geología hasta el ARN,

369
00:19:37,631 --> 00:19:39,889
¿cómo se llegó ahí?

370
00:19:39,913 --> 00:19:42,301
Y la otra, ¿con qué tenemos 
que trabajar?

371
00:19:42,325 --> 00:19:44,096
Bueno, con más 
de lo que pensamos.

372
00:19:44,120 --> 00:19:48,963
Así lo de la foto es 
una estrella en formación.

373
00:19:49,836 --> 00:19:53,261
Cada año en nuestra Vía Láctea, 
que tiene 100 mil millones de estrellas,

374
00:19:53,285 --> 00:19:55,780
se crean dos nuevas estrellas.

375
00:19:55,804 --> 00:19:58,274
No me preguntes cómo, 
pero se crean.

376
00:19:58,298 --> 00:20:01,378
Y les toma 
un millón de años estabilizarse.

377
00:20:02,132 --> 00:20:04,308
Así que, en estado estacionario,

378
00:20:04,332 --> 00:20:08,180
hay cerca de dos millones de estrellas 
en formación siempre.

379
00:20:08,204 --> 00:20:11,662
Una está en algún estado 
de este proceso de decantación.

380
00:20:12,067 --> 00:20:15,003
Y hay toda esta basura circulando 
alrededor de ella,

381
00:20:15,027 --> 00:20:16,525
polvo y otras cosas.

382
00:20:17,479 --> 00:20:20,502
Y que formará, probablemente, 
un sistema solar, o lo que sea.

383
00:20:20,526 --> 00:20:22,702
Pero aquí está la cuestión,

384
00:20:22,726 --> 00:20:29,074
en este polvo que rodea 
a una estrella en formación

385
00:20:29,098 --> 00:20:35,133
se han encontrado, 
moléculas orgánicas significativas.

386
00:20:35,958 --> 00:20:42,097
Moléculas no solo como el metano, 
sino formaldehído y cianuro,

387
00:20:42,121 --> 00:20:48,638
que son bloques de construcción, 
semillas, si se quiere, de la vida.

388
00:20:49,136 --> 00:20:51,828
Bueno, puede ser típico.

389
00:20:52,395 --> 00:20:59,329
Y puede ser típico que los planetas 
alrededor del universo

390
00:20:59,353 --> 00:21:02,965
empiecen con algunos de estos bloques 
de construcción básicos.

391
00:21:03,830 --> 00:21:06,545
¿Significa eso que existirá 
la vida por todos lados?

392
00:21:06,569 --> 00:21:07,933
Puede ser.

393
00:21:07,957 --> 00:21:12,084
Pero esto es una muestra de 
lo es tortuoso que este camino

394
00:21:12,108 --> 00:21:16,502
desde aquellos inicios frágiles, 
esas semillas, todo el camino a la vida.

395
00:21:16,526 --> 00:21:21,718
Y la mayoría de esas semillas caerán 
en planetas de barbecho.

396
00:21:21,742 --> 00:21:23,151
CA: ¿Para ti, personalmente,

397
00:21:23,175 --> 00:21:25,897
encontrar una respuesta a 
esta pregunta de dónde venimos,

398
00:21:25,921 --> 00:21:29,579
de cómo sucedió, es algo 
que te encantaría descubrir?

399
00:21:29,603 --> 00:21:31,389
JS: Sí, me encantaría verlo.

400
00:21:31,413 --> 00:21:32,903
Y gustaría saber

401
00:21:32,927 --> 00:21:38,097
si ese camino es muy tortuoso, 
y tan improbable,

402
00:21:38,121 --> 00:21:42,875
que no importa cómo empezar, 
podríamos ser una singularidad.

403
00:21:43,336 --> 00:21:44,488
Pero por otro lado,

404
00:21:44,512 --> 00:21:47,990
debido a este polvo orgánico 
flotando alrededor,

405
00:21:48,014 --> 00:21:51,805
podríamos tener 
muchos amigos allí.

406
00:21:52,947 --> 00:21:54,108
Sería bueno saberlo.

407
00:21:54,132 --> 00:21:57,612
CA: Jim, hace unos años, tuve 
la oportunidad de hablar con Elon Musk,

408
00:21:57,636 --> 00:22:00,473
y le pregunté el secreto de su éxito,

409
00:22:00,497 --> 00:22:04,188
y dijo tomarme la física 
en serio fue todo.

410
00:22:04,696 --> 00:22:08,699
Escucharte decir que tomar 
en serio las matemáticas,

411
00:22:08,723 --> 00:22:11,726
ha impulsado toda tu vida.

412
00:22:12,123 --> 00:22:16,686
Has hecho una fortuna, 
y ahora sé que te permite invertir

413
00:22:16,710 --> 00:22:21,206
en el futuro de miles y miles de niños 
en todo EE. UU. y en otros lugares.

414
00:22:21,567 --> 00:22:24,425
¿Podría ser que la ciencia 
realmente funciona?

415
00:22:24,449 --> 00:22:27,221
¿Que las matemáticas 
realmente funcionan?

416
00:22:27,245 --> 00:22:31,617
JS: Las matemáticas sí funcionan. 
Las matemáticas ciertamente funcionan.

417
00:22:31,641 --> 00:22:32,839
Y esto ha sido divertido.

418
00:22:32,863 --> 00:22:37,809
Trabajar con Marilyn y donar 
ha sido muy bueno,

419
00:22:37,833 --> 00:22:40,769
CA: Acabo de encontrar 
un pensamiento inspirador para mí,

420
00:22:40,793 --> 00:22:44,800
que al tomar en serio el conocimiento, 
se puede obtener mucho más de él.

421
00:22:44,824 --> 00:22:47,842
Así que gracias por tu vida increíble, 
y por venir aquí a TED.

422
00:22:47,866 --> 00:22:48,617
Gracias.

423
00:22:48,651 --> 00:22:49,752
¡Jim Simons!

424
00:22:49,806 --> 00:22:54,186
(Aplausos)