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)