WEBVTT

00:00:00.617 --> 00:00:03.575
Chris Anderson: Tú eras algo así como 
un fenómeno matemático.

00:00:03.575 --> 00:00:07.009
De muy joven ya impartías clases 
en Harvard y en el MIT.

00:00:07.009 --> 00:00:09.243
Y luego llegó a llamarte la NSA.

00:00:09.464 --> 00:00:10.668
¿Qué pasó?

00:00:10.957 --> 00:00:15.130
Jim Simons: Bueno, la NSA, 
la Agencia de Seguridad Nacional,

00:00:15.154 --> 00:00:17.253
no vino precisamente a llamarme.

00:00:17.465 --> 00:00:21.939
Tenían una operación en Princeton, 
y contrataron a matemáticos

00:00:21.963 --> 00:00:25.075
para atacar a los códigos secretos 
y cosas por el estilo.

00:00:25.294 --> 00:00:26.966
Yo sabía que existía.

00:00:27.315 --> 00:00:29.495
Tenían una muy buena política,

00:00:29.519 --> 00:00:33.369
porque la mitad del tiempo podía uno 
trabajar en sus propias matemáticas,

00:00:33.393 --> 00:00:36.877
y la otra mitad trabajabas 
para las cosas de ellos.

00:00:37.499 --> 00:00:39.033
Y pagaban muy bien.

00:00:39.057 --> 00:00:42.108
Así que era algo irresistible.

00:00:42.132 --> 00:00:43.788
Y fui allí.

00:00:43.788 --> 00:00:45.526
CA: Eras un descifrador 
de códigos.

00:00:45.526 --> 00:00:46.596
JS: Así es.

00:00:46.620 --> 00:00:48.107
CA: Hasta que te despidieron.

00:00:48.107 --> 00:00:49.674
JS: Me despidieron. Sí.

00:00:49.674 --> 00:00:50.793
CA: ¿Por qué?

00:00:51.280 --> 00:00:52.683
JS: Bueno, ¿por qué?

00:00:53.461 --> 00:00:58.521
Me despidieron porque la guerra 
de Vietnam estaba en marcha,

00:00:58.521 --> 00:01:04.328
y el gran jefe en mi organización 
era un súper fan de la guerra

00:01:04.352 --> 00:01:08.572
y escribió un artículo en la portada 
del New York Times

00:01:08.572 --> 00:01:10.542
sobre cómo íbamos 
a ganar en Vietnam.

00:01:10.566 --> 00:01:13.669
Y no me gustaba aquella guerra, 
pensaba que era absurda.

00:01:13.669 --> 00:01:16.384
Y escribí una carta al Times 
que publicaron,

00:01:16.408 --> 00:01:20.422
diciendo que no todos los que 
trabajaban para Maxwell Taylor,

00:01:20.446 --> 00:01:25.212
--si alguien se acuerda de ese nombre--, 
estaban de acuerdo con él.

00:01:25.463 --> 00:01:27.211
Y di mi propia opinión...

00:01:27.235 --> 00:01:29.399
CA: Oh, ya veo...

00:01:29.423 --> 00:01:31.962
JS: ... que era diferente 
a la del general Taylor.

00:01:31.962 --> 00:01:33.908
Pero al final, nadie dijo nada.

00:01:33.932 --> 00:01:37.633
Tenía 29 años entonces, 
y un chico vino

00:01:37.657 --> 00:01:40.745
y dijo que era un informante 
de la revista Newsweek

00:01:40.769 --> 00:01:46.136
y quería entrevistarme para preguntarme 
qué hacía con respecto a mis opiniones.

00:01:46.160 --> 00:01:50.059
Y le dije: "Estoy haciendo 
sobre todo matemáticas

00:01:50.083 --> 00:01:53.616
y cuando termine la guerra, entonces 
haré sobre todo otras cosas".

00:01:54.123 --> 00:01:56.948
Entonces hice lo único inteligente 
en ese día.

00:01:56.972 --> 00:02:01.129
Le dije a mi jefe de departamento
que había dado esa entrevista.

00:02:01.153 --> 00:02:02.672
Y él preguntó: "¿Qué dijiste?".

00:02:02.672 --> 00:02:04.242
Y yo le expliqué lo que dije.

00:02:04.242 --> 00:02:06.441
Y luego dijo: 
"Tengo que llamar a Taylor".

00:02:06.465 --> 00:02:08.842
Llamó a Taylor, duró 10 minutos.

00:02:08.866 --> 00:02:11.278
Me despidieron cinco minutos 
después de eso.

00:02:11.590 --> 00:02:12.812
CA: Bien.

00:02:12.836 --> 00:02:13.987
JS: Pero no fue malo.

00:02:14.011 --> 00:02:16.504
CA: No fue malo, 
porque te fuiste a Stony Brook

00:02:16.528 --> 00:02:19.661
y avanzaste en tu carrera matemática.

00:02:19.685 --> 00:02:22.137
Comenzaste a trabajar 
con este hombre.

00:02:22.161 --> 00:02:23.425
¿Quién es este?

00:02:24.142 --> 00:02:25.764
JS: Shiing-Shen Chern.

00:02:25.788 --> 00:02:28.892
Chern era uno de los grandes 
matemáticos del siglo.

00:02:28.916 --> 00:02:34.149
Lo había conocido siendo 
estudiante en Berkeley.

00:02:34.173 --> 00:02:36.044
Yo tenía algunas ideas,

00:02:36.068 --> 00:02:38.515
se las expuse a él y le gustaron.

00:02:38.539 --> 00:02:45.165
Juntos, hicimos este trabajo, 
que pueden ver fácilmente ahí.

00:02:45.189 --> 00:02:46.339
Ahí está.

00:02:47.008 --> 00:02:50.804
CA: Eso les llevó a la publicación 
de un famoso artículo juntos.

00:02:50.828 --> 00:02:54.066
¿Puedes explicar qué era ese trabajo?

00:02:55.028 --> 00:02:56.186
JS: No.

00:02:56.210 --> 00:02:58.484
(Risas)

00:02:58.856 --> 00:03:01.030
JS: Bueno, podría 
explicárselo a alguien.

00:03:01.054 --> 00:03:03.129
(Risas)

00:03:03.153 --> 00:03:05.017
CA: ¿Qué tal si lo explicas?

00:03:05.041 --> 00:03:07.770
JS: Pero no a muchos. 
No a mucha gente.

00:03:09.144 --> 00:03:11.958
CA: Creo que me dijiste que tenía algo 
que ver con esferas,

00:03:11.982 --> 00:03:13.844
empecemos por aquí.

00:03:13.868 --> 00:03:17.468
JS: Sí, así es, pero diré de ese trabajo,

00:03:17.492 --> 00:03:20.692
que sí que tenía que ver con eso, 
pero antes de llegar a eso,

00:03:20.716 --> 00:03:24.256
el trabajo era buenas matemáticas.

00:03:24.280 --> 00:03:26.772
Yo estaba muy contento 
y también Chern.

00:03:27.910 --> 00:03:32.086
Incluso abordó un subcampo 
que ahora está floreciente.

00:03:32.638 --> 00:03:37.932
Pero, lo más interesante, 
es que se aplicó a la física,

00:03:37.956 --> 00:03:42.251
algo de lo que no sabíamos nada, 
al menos yo no sabía nada de física,

00:03:42.275 --> 00:03:44.557
y no creo que Chern tampoco 
supiera mucho.

00:03:44.581 --> 00:03:48.544
Unos 10 años después 
de publicarse el artículo

00:03:48.568 --> 00:03:53.048
Ed Witten en Princeton lo comenzó 
a aplicar a la teoría de cuerdas

00:03:53.072 --> 00:03:57.924
y la gente en Rusia lo aplicó 
a lo llamado "materia condensada".

00:03:57.948 --> 00:04:02.841
Hoy, esas cosas se llaman 
invariantes Chern-Simons

00:04:02.865 --> 00:04:04.730
que se ha extendido mucho 
en la física.

00:04:04.754 --> 00:04:05.928
Y fue increíble.

00:04:05.952 --> 00:04:07.317
No sabíamos de física.

00:04:07.714 --> 00:04:10.568
Nunca se me ocurrió que 
se aplicaría a la física.

00:04:10.592 --> 00:04:14.380
Pero eso pasa con las matemáticas, 
nunca se sabe dónde irán.

00:04:14.404 --> 00:04:15.896
CA: Esto es tan increíble.

00:04:15.920 --> 00:04:20.284
Hemos hablado de cómo la evolución 
da forma a las mentes humanas

00:04:20.308 --> 00:04:22.816
que pueden o no percibir la verdad.

00:04:22.840 --> 00:04:26.153
De alguna manera, 
con una teoría matemática,

00:04:26.177 --> 00:04:28.025
sin saber nada de física,

00:04:28.049 --> 00:04:30.547
descubres que dos décadas 
después se aplica

00:04:30.571 --> 00:04:33.602
para describir detalladamente 
el mundo físico real.

00:04:33.626 --> 00:04:34.779
¿Cómo es posible?

00:04:34.803 --> 00:04:35.960
JS: Dios lo sabe.

00:04:35.984 --> 00:04:38.094
(Risas)

00:04:38.849 --> 00:04:41.999
Pero un famoso físico, 
Eugenio Wigner,

00:04:42.023 --> 00:04:47.611
escribió un ensayo sobre la eficacia 
irracional de las matemáticas.

00:04:47.635 --> 00:04:51.587
Estas matemáticas con 
raíces en el mundo real

00:04:51.611 --> 00:04:56.606
--en cierto sentido, aprendemos a contar, 
medir, lo que todo el mundo haría--,

00:04:56.630 --> 00:04:58.700
luego florecen por sí solas.

00:04:58.976 --> 00:05:01.817
Pero muy a menudo se trata 
de volver a salvar los muebles.

00:05:02.293 --> 00:05:04.471
La relatividad general es un ejemplo.

00:05:04.495 --> 00:05:07.612
Hermann Minkowski tenía esa geometría, 
y Einstein se dio cuenta,

00:05:07.636 --> 00:05:11.483
"¡Oye! Es en lo mismo que 
puedo enmarcar la relatividad general".

00:05:11.507 --> 00:05:14.749
Por lo tanto, nunca se sabe. 
Es un misterio.

00:05:15.056 --> 00:05:16.273
Es un misterio.

00:05:16.297 --> 00:05:19.593
CA: Aquí pues hay algo de 
ingenuidad matemática.

00:05:19.617 --> 00:05:20.959
Háblanos de esto.

00:05:20.983 --> 00:05:26.907
JS: Es una bola, es una esfera, 
y tiene un enrejado alrededor,

00:05:26.931 --> 00:05:29.004
sabes, esos cuadrados.

00:05:30.537 --> 00:05:35.603
Lo que mostraré, lo observó 
originalmente Leonhard Euler,

00:05:35.627 --> 00:05:37.881
el gran matemático, en el 1700.

00:05:38.223 --> 00:05:43.404
Y se desarrolló en un campo muy 
importante de las matemáticas:

00:05:43.428 --> 00:05:46.032
topología algebraica, geometría.

00:05:47.039 --> 00:05:51.403
Ese artículo de entonces tenía 
sus raíces en esto.

00:05:51.427 --> 00:05:53.261
Así que, aquí está esto:

00:05:53.285 --> 00:05:57.737
tiene ocho vértices, 
12 aristas, seis caras.

00:05:57.761 --> 00:06:01.591
Y si nos fijamos en la diferencia, 
vértices, menos aristas, más caras,

00:06:01.615 --> 00:06:02.767
uno obtiene dos.

00:06:02.791 --> 00:06:05.010
Bien, dos. 
Es un buen número.

00:06:05.034 --> 00:06:09.282
Esta es una manera diferente de 
hacerlo, son triángulos que cubren...

00:06:09.306 --> 00:06:13.883
esto tiene 12 vértices y 30 aristas

00:06:13.907 --> 00:06:18.102
y 20 caras o 20 azulejos.

00:06:18.576 --> 00:06:23.167
Y vértices menos aristas más caras 
todavía es igual a dos.

00:06:23.191 --> 00:06:26.038
Y de hecho, se puede hacer 
de cualquier manera,

00:06:26.062 --> 00:06:29.460
aplicado a todo tipo de 
polígonos y triángulos

00:06:29.484 --> 00:06:30.804
y mezclarlos.

00:06:30.828 --> 00:06:34.417
Y uno toma vértices, menos aristas, 
más caras y uno siempre obtendrá dos.

00:06:34.417 --> 00:06:36.022
Aquí hay una forma diferente.

00:06:36.480 --> 00:06:41.730
Este es un toro o la superficie 
de un donut: 16 vértices

00:06:41.754 --> 00:06:45.998
cubierto por estos rectángulos, 
32 aristas, 16 caras.

00:06:46.530 --> 00:06:49.214
Los vértices menos aristas 
son cero.

00:06:49.238 --> 00:06:50.713
Siempre se obtendrá cero.

00:06:50.737 --> 00:06:55.047
Cada vez que se cubre un toro 
con cuadrados o triángulos

00:06:55.071 --> 00:06:59.006
o lo que sea, se obtiene cero.

00:07:00.134 --> 00:07:02.904
Esto se llama 
la característica de Euler.

00:07:02.928 --> 00:07:06.377
Y se llama invariante topológica.

00:07:06.629 --> 00:07:07.849
Es bastante increíble.

00:07:07.849 --> 00:07:10.930
No importa cómo se haga, 
siempre se obtiene la misma respuesta.

00:07:10.930 --> 00:07:17.143
Ese fue el primer empuje, desde 
mediados de la década de 1700,

00:07:17.167 --> 00:07:20.936
un tema que ahora se conoce 
como topología algebraica.

00:07:20.960 --> 00:07:23.943
CA: Y su propio trabajo tomó 
una idea que se trasladó

00:07:23.967 --> 00:07:26.340
en la teoría de dimensiones superiores,

00:07:26.340 --> 00:07:29.748
objetos de dimensiones superiores, 
y ¿ha encontrado nuevas invariantes?

00:07:29.748 --> 00:07:34.195
JS: Sí. Había invariantes ya 
de dimensiones superiores.

00:07:34.219 --> 00:07:38.676
Clases de Pontryagin, en realidad, 
tipos de Chern.

00:07:38.700 --> 00:07:42.248
Había un montón de esos tipos 
de invariantes.

00:07:42.272 --> 00:07:46.407
He tenido problemas 
para trabajar en uno de ellos

00:07:46.431 --> 00:07:50.634
y modelarlo en una especie 
de combinatoria,

00:07:50.658 --> 00:07:53.680
en lugar de la forma 
cómo se realiza normalmente,

00:07:53.704 --> 00:07:58.063
y que dio lugar a este trabajo 
descubriendo cosas nuevas.

00:07:58.087 --> 00:08:01.588
Pero si no hubiera sido 
por el Sr. Euler

00:08:01.612 --> 00:08:05.593
que escribió casi 70 volúmenes 
de matemáticas

00:08:05.617 --> 00:08:07.348
y tuvo 13 hijos,

00:08:07.372 --> 00:08:13.814
que al parecer mecía en sus rodillas
mientras escribía,

00:08:13.838 --> 00:08:19.612
si no hubiera sido por Euler, tal vez 
no habrían resultado esas invariantes.

00:08:20.157 --> 00:08:24.254
CA: Eso por lo menos nos da 
una idea de esa mente increíble.

00:08:24.714 --> 00:08:26.347
Hablemos de Renacimiento.

00:08:26.371 --> 00:08:29.251
Porque tomaste esa mente increíble y

00:08:29.251 --> 00:08:32.251
de haber sido descifrador 
de códigos en la NSA,

00:08:32.251 --> 00:08:35.520
te convertiste en descifrador de códigos 
en la industria financiera.

00:08:35.520 --> 00:08:38.193
Seguro que no compraste 
una teoría de mercado eficiente.

00:08:38.217 --> 00:08:41.629
Encontraste una forma de crear 
rendimientos sorprendentes

00:08:41.629 --> 00:08:44.489
hace más de dos décadas.

00:08:44.489 --> 00:08:46.560
La forma cómo me han explicado
lo notable

00:08:46.560 --> 00:08:49.487
sobre lo que hiciste no es solo 
el tamaño del rendimiento,

00:08:49.487 --> 00:08:52.097
es que las tomaste 
con sorprendentemente


00:08:52.097 --> 00:08:53.964
baja volatilidad y el riesgo,

00:08:53.964 --> 00:08:56.138
en comparación con 
otros fondos de inversión.

00:08:56.138 --> 00:08:57.861
¿Cómo lo lograste, Jim?

00:08:58.071 --> 00:09:02.096
JS: Lo hice uniendo a 
un grupo maravilloso de personas.

00:09:02.096 --> 00:09:04.136
Al empezar con el comercio bursátil,

00:09:04.136 --> 00:09:06.536
estaba un poco cansado 
de las matemáticas.

00:09:06.536 --> 00:09:10.109
Tenía 30 años, 
tenía un poco de dinero.

00:09:10.133 --> 00:09:12.782
Empecé práctica bursátil 
y me fue muy bien.

00:09:13.063 --> 00:09:15.645
Hice mucho dinero por pura suerte.

00:09:15.645 --> 00:09:17.501
Quiero decir, 
creo que fue pura suerte.

00:09:17.525 --> 00:09:19.634
Ciertamente no fue un modelo
matemático.

00:09:19.658 --> 00:09:23.489
Pero en el estudio de los datos, 
tras un tiempo me di cuenta

00:09:23.513 --> 00:09:26.066
de que al parece 
existía cierta estructura.

00:09:26.090 --> 00:09:29.787
Y contraté unos matemáticos y 
empecé a hacer algunos modelos,

00:09:29.811 --> 00:09:34.076
como el tipo de cosas que hacía en el 
Instituto de Análisis de Defensa.

00:09:34.100 --> 00:09:36.933
Uno diseña un algoritmo, 
lo prueba en una computadora.

00:09:36.957 --> 00:09:39.123
¿Funciona? ¿No funciona? Etc.

00:09:39.443 --> 00:09:40.922
CA: ¿Echamos 
un vistazo a esto?

00:09:40.946 --> 00:09:45.487
Aquí hay un gráfico típico 
de algunos productos básicos.

00:09:46.487 --> 00:09:50.412
Lo miro y digo: "Eso es solo una 
caminata aleatoria, arriba y abajo,

00:09:50.412 --> 00:09:53.494
con una ligera tendencia al alza
en todo ese período de tiempo".

00:09:53.494 --> 00:09:55.551
¿Cómo pudiste comerciar viendo eso,

00:09:55.575 --> 00:09:57.901
y detectar algo que no era 
simplemente al azar?

00:09:57.925 --> 00:10:01.172
JS: Hace tiempo, este es 
un gráfico de los viejos tiempos,

00:10:01.196 --> 00:10:05.480
las materias primas o divisas 
tenían una tendencia a la tendencia.

00:10:05.504 --> 00:10:11.559
No la ligera tendencia que ves aquí,
sino tendencias en los períodos.

00:10:11.583 --> 00:10:15.639
Y si decides, hoy voy a predecir,

00:10:15.663 --> 00:10:20.361
con base en el promedio móvil 
de los últimos 20 días,

00:10:20.395 --> 00:10:23.762
tal vez eso sea una buena predicción, 
y se puede hacer algo de dinero.

00:10:23.786 --> 00:10:29.394
Y, de hecho, hace años, 
un sistema así funcionaba,

00:10:29.418 --> 00:10:31.809
no muy bien, 
pero funcionaba.

00:10:31.833 --> 00:10:34.342
Se hacía dinero, se perdía dinero, 
se hacía dinero.

00:10:34.366 --> 00:10:36.564
Pero el año valía la pena

00:10:36.588 --> 00:10:40.829
y podías hacer algo de dinero 
durante ese período.

00:10:41.884 --> 00:10:43.962
Es un sistema muy rudimentario.

00:10:44.415 --> 00:10:48.054
CA: ¿Así que pusiste a prueba 
longitudes de tendencias en el tiempo

00:10:48.078 --> 00:10:50.208
para ver si, por ejemplo,

00:10:50.208 --> 00:10:54.159
una tendencia de 10 días o de 15 era 
predictiva de lo que sucedía después.

00:10:54.159 --> 00:11:00.805
JS: Claro, se podía probar todo eso 
y ver qué funcionaba mejor.

00:11:01.515 --> 00:11:04.865
Seguir tendencias habría sido 
estupendo en los años 60,

00:11:04.889 --> 00:11:07.021
y estaba bien en los años 70.

00:11:07.045 --> 00:11:08.918
Pero en los años 80, ya no era así.

00:11:08.942 --> 00:11:11.759
CA: Debido a que todo el mundo 
podía detectarlo.

00:11:11.783 --> 00:11:14.565
Así que, ¿cómo lograste 
tomar la delantera?

00:11:15.046 --> 00:11:21.178
JS: Nos pusimos en la delantera 
del resto buscando otros enfoques,

00:11:21.202 --> 00:11:23.943
enfoques de corto plazo 
hasta cierto punto.

00:11:25.107 --> 00:11:28.454
La verdad es que tuvimos que reunir 
una enorme cantidad de datos,

00:11:28.478 --> 00:11:32.056
y tuvimos que hacerlo a mano 
al principio.

00:11:32.080 --> 00:11:35.546
Fuimos a la Reserva Federal y 
copiamos registros de tipos de interés

00:11:35.570 --> 00:11:38.649
y cosas así, pues no estaban 
en las computadoras.

00:11:38.649 --> 00:11:40.522
Obtuvimos 
una gran cantidad de datos.

00:11:40.526 --> 00:11:44.686
Y gente muy inteligente, 
esa fue la clave.

00:11:45.463 --> 00:11:49.339
Yo en verdad no sé cómo contratar 
gente para el comercio bursátil.

00:11:49.509 --> 00:11:52.698
Había contratado a algunos, 
algunos hicieron dinero, otros no.

00:11:52.722 --> 00:11:54.602
No sabía hacer más negocios que eso.

00:11:54.626 --> 00:11:56.668
Pero sabía 
cómo contratar científicos,

00:11:56.692 --> 00:12:00.081
porque me gusta 
ese departamento.

00:12:00.105 --> 00:12:01.943
Entonces, eso fue lo que hicimos.

00:12:01.967 --> 00:12:05.198
Y poco a poco estos modelos 
se fueron mejorando,

00:12:05.222 --> 00:12:06.557
y mejorando.

00:12:06.581 --> 00:12:09.795
CA: Se les reconoce por hacer 
algo notable como en Renacimiento,

00:12:09.819 --> 00:12:12.420
construir esa cultura, 
ese grupo de personas,

00:12:12.444 --> 00:12:15.586
que no eran solo armas contratadas, 
que no estaban por dinero.

00:12:15.610 --> 00:12:19.522
Su motivación era hacer 
matemáticas emocionantes y ciencia.

00:12:19.860 --> 00:12:22.259
JS: Bueno, me gustaría 
que fuera cierto.

00:12:22.283 --> 00:12:25.863
Pero algunos se movían 
por el dinero.

00:12:25.887 --> 00:12:27.174
CA: Hicieron mucho dinero.

00:12:27.174 --> 00:12:29.941
JS: No puedo decir que 
ninguno no viniera por el dinero.

00:12:29.941 --> 00:12:32.288
Creo que a muchos de ellos 
les movía el dinero.

00:12:32.288 --> 00:12:34.743
Pero también vinieron 
porque era fascinante.

00:12:34.743 --> 00:12:37.835
CA: ¿Qué papel jugó la máquina 
de aprendizaje en esto?

00:12:37.835 --> 00:12:40.843
JS: En cierto modo, hicimos 
una máquina de aprendizaje.

00:12:40.879 --> 00:12:46.370
Ante una gran cantidad de datos, 
se intenta simular

00:12:46.370 --> 00:12:49.376
diferentes esquemas de predicción,
hasta que es mejor y mejor.

00:12:49.400 --> 00:12:53.167
No necesariamente se retroalimenta 
la forma cómo lo hicimos.

00:12:53.191 --> 00:12:55.440
Pero funcionó.

00:12:55.440 --> 00:12:57.993
CA: ¿Estos diferentes esquemas 
de predicción 


00:12:57.993 --> 00:13:00.233
pueden ser muy 
descontrolados e inesperados?

00:13:00.233 --> 00:13:02.141
Quiero decir, consideraban todo, 
¿no?

00:13:02.141 --> 00:13:05.618
¿Observaban el tiempo, la longitud 
de los vestidos, la opinión política?

00:13:05.618 --> 00:13:08.469
JS: Sí, pero la longitud de los vestidos 
no la consideramos.

00:13:08.469 --> 00:13:10.430
CA: ¿Qué cosas, pues?

00:13:10.454 --> 00:13:11.612
JS: Bueno, todo.

00:13:11.636 --> 00:13:15.590
Todo es grano para el molino, 
excepto las longitudes del dobladillo.

00:13:16.492 --> 00:13:19.152
Tiempo, informes anuales,

00:13:19.176 --> 00:13:23.802
informes trimestrales, datos históricos, 
volúmenes, lo que sea.

00:13:23.802 --> 00:13:25.083
Lo que haya.

00:13:25.107 --> 00:13:27.728
Eran terabytes de datos diariamente.

00:13:27.752 --> 00:13:31.876
Y lo almacenábamos y lo preparábamos 
para su análisis.

00:13:33.446 --> 00:13:34.828
Uno busca anomalías.

00:13:34.852 --> 00:13:37.399
Uno busca, como has dicho,

00:13:37.399 --> 00:13:40.281
que la hipótesis del mercado 
eficiente no es correcta.

00:13:40.305 --> 00:13:43.772
CA: Pero cualquiera anomalía 
podría ser algo al azar.

00:13:43.796 --> 00:13:47.454
Por lo tanto, ¿el secreto era observar 
múltiples anomalías extrañas

00:13:47.478 --> 00:13:49.186
y ver cuando se alinean?

00:13:49.238 --> 00:13:51.905
JS: Cualquier anomalía 
podría ser algo al azar;

00:13:51.905 --> 00:13:55.934
Sin embargo, si uno tiene suficientes 
datos se puede predecir que no lo es.

00:13:55.934 --> 00:13:59.738
Se puede observar una anomalía 
que persiste

00:13:59.738 --> 00:14:02.511
durante un tiempo suficientemente largo,

00:14:02.511 --> 00:14:05.511
la probabilidad de que 
no sea aleatoria es alta.

00:14:05.511 --> 00:14:10.369
Pero esto se desvirtúa con el tiempo; 
las anomalías pueden desteñirse.

00:14:10.393 --> 00:14:12.813
Hay que mantenerse 
en la cresta del negocio.

00:14:12.837 --> 00:14:15.509
CA: Mucha gente mira el sector 
de fondos de cobertura

00:14:15.533 --> 00:14:19.931
y de alguna manera, están sorprendidos

00:14:19.955 --> 00:14:22.127
por la cantidad de riqueza 
que se crea allí,

00:14:22.151 --> 00:14:24.596
y cuánto talento se va a allí.

00:14:25.253 --> 00:14:29.529
¿Tienes alguna preocupación 
concerniente a la industria,

00:14:29.553 --> 00:14:31.967
y quizá al sector financiero, en general?

00:14:31.991 --> 00:14:34.695
¿Del tipo que esté fuera de control,

00:14:34.719 --> 00:14:38.749
y que contribuya 
a aumentar la desigualdad?

00:14:38.773 --> 00:14:42.604
¿Cómo se sostendrá lo que sucede 
en el sector de fondos de cobertura?

00:14:42.628 --> 00:14:44.770
JS: Creo que en 
los últimos 3 o 4 años,

00:14:44.770 --> 00:14:47.603
los fondos de cobertura 
no lo han hecho especialmente bien.

00:14:47.603 --> 00:14:48.787
Hemos hecho el dandi,

00:14:48.811 --> 00:14:52.812
el sector de fondos en su conjunto 
no lo ha hecho muy bien.

00:14:52.836 --> 00:14:57.738
El mercado de valores ha estado de 
buena racha, subiendo como todos saben,

00:14:57.762 --> 00:15:01.207
y los ratios precio-beneficios 
han crecido.

00:15:01.231 --> 00:15:04.294
Así que una gran cantidad de 
la riqueza creada en el pasado,

00:15:04.318 --> 00:15:07.668
digamos, 5 o 6 años, no se ha creado 
por los fondos de cobertura.

00:15:08.458 --> 00:15:11.679
La gente me preguntaba: 
"¿Qué son fondos de cobertura?".

00:15:11.703 --> 00:15:13.963
Y yo digo: "1 y 20".

00:15:13.987 --> 00:15:17.553
Lo que significa, 
--ahora es 2 y 20--,

00:15:17.577 --> 00:15:20.554
2 % de tarifa fija 
y el 20 % sobre las ganancias.

00:15:20.554 --> 00:15:23.306
Los fondos de cobertura 
son seres diferentes.

00:15:23.330 --> 00:15:26.569
CA: Se dice que cobras honorarios 
ligeramente más altos que eso.

00:15:27.339 --> 00:15:30.420
JS: Cobramos las tarifas más altas 
en el mundo en este momento.

00:15:30.444 --> 00:15:33.670
5 y 44, eso es lo que cobramos.

00:15:33.694 --> 00:15:35.092
CA: 5 y 44.

00:15:35.116 --> 00:15:37.204
Así que 5 % tarifa plana, 
y 44 % de alza.

00:15:37.204 --> 00:15:40.871
Y aún así haces que tus inversores ganen 
cantidades espectaculares de dinero.

00:15:40.871 --> 00:15:42.936
JS: Sí, logramos un buen rendimiento.

00:15:42.936 --> 00:15:45.983
La gente se molesta: "¿Cómo 
se pueden cobrar esas tasas altas?".

00:15:45.983 --> 00:15:47.828
Y yo: "Bueno, pueden irse".

00:15:47.828 --> 00:15:50.726
Pero, "¿Cómo puedo obtener más?",
era lo que decía la gente...

00:15:50.726 --> 00:15:51.678
(Risas)

00:15:51.702 --> 00:15:54.142
Pero en un momento dado, 
como he dicho,

00:15:54.166 --> 00:15:59.095
compramos todos los inversores, 
por tener una capacidad para el fondo.

00:15:59.095 --> 00:16:02.239
CA: ¿Debemos preocuparnos de que 
el sector de fondos de cobertura

00:16:02.239 --> 00:16:06.945
atraiga demasiados talentos 
matemáticos del mundo

00:16:06.945 --> 00:16:10.793
que trabajen en eso, en vez de aplicarlo 
a los otros muchos problemas del mundo?

00:16:10.817 --> 00:16:12.746
JS: Bueno, no son solo matemáticos.

00:16:12.770 --> 00:16:15.449
Contratamos astrónomos y físicos 
y otros similares.

00:16:15.833 --> 00:16:18.264
No creo que debamos 
preocuparnos demasiado.

00:16:18.288 --> 00:16:21.430
Es todavía un sector bastante pequeño.

00:16:21.454 --> 00:16:27.451
Y, de hecho, llevar la ciencia 
al mundo de la inversión

00:16:27.475 --> 00:16:29.634
ha mejorado ese mundo.

00:16:29.658 --> 00:16:33.592
Se reduce la volatilidad. 
Ha aumentado la liquidez.

00:16:33.592 --> 00:16:36.885
Los diferenciales son más estrechos 
porque las personas los negocian.

00:16:36.885 --> 00:16:42.171
Por eso no me preocupa que Einstein 
se vaya al sector del fondo de cobertura.

00:16:42.478 --> 00:16:46.642
CA: Sin embargo, estás en una fase 
de tu vida en que inviertes

00:16:46.666 --> 00:16:50.400
en el otro extremo 
de la cadena de suministro.

00:16:50.424 --> 00:16:54.528
Estás impulsando 
las matemáticas en todo EE. UU.

00:16:54.552 --> 00:16:56.417
Esta es tu esposa, Marilyn.

00:16:56.441 --> 00:17:01.197
Están trabajando 
en temas filantrópicos juntos.

00:17:01.221 --> 00:17:02.384
Háblame de eso.

00:17:02.408 --> 00:17:06.057
JS: Bueno, Marilyn comenzó,

00:17:06.080 --> 00:17:09.528
--ahí está allí, mi bella esposa--

00:17:09.551 --> 00:17:12.418
empezó la fundación hace 20 años.

00:17:12.418 --> 00:17:13.699
Creo que en 1994.

00:17:13.723 --> 00:17:16.078
Yo digo que en el 93, 
ella dice que fue en el 94,

00:17:16.078 --> 00:17:18.553
pero fue uno de esos dos años.

00:17:18.553 --> 00:17:20.496
(Risas)

00:17:20.496 --> 00:17:27.315
Empezamos la fundación, como 
una forma apropiada de hacer beneficencia.

00:17:28.136 --> 00:17:30.577
Ella llevaba la contabilidad y eso.

00:17:30.577 --> 00:17:37.591
No teníamos una visión en ese momento, 
pero poco a poco surgió una visión

00:17:37.615 --> 00:17:40.569
que era centrarnos 
en matemáticas y ciencias,

00:17:40.569 --> 00:17:43.569
centrarnos en la investigación básica.

00:17:43.569 --> 00:17:46.341
Y eso es lo que hemos hecho.

00:17:46.365 --> 00:17:52.584
Hace 6 años me fui de Renacimiento 
a trabajar en la fundación.

00:17:52.584 --> 00:17:54.315
Así que eso es lo que hacemos.

00:17:54.339 --> 00:17:57.248
CA: Y así Math for America 
básicamente invierte

00:17:57.272 --> 00:17:59.910
en profesores de matemáticas 
de todo el país,

00:17:59.934 --> 00:18:03.736
dándoles un ingreso extra, 
dándoles apoyo y coaching.

00:18:03.760 --> 00:18:06.565
Y realmente tratando de hacer 
lo que es más eficaz

00:18:06.565 --> 00:18:09.606
y hacer una convocatoria a la que 
los profesores puede aspirar.

00:18:09.606 --> 00:18:14.250
JS: Sí, en vez de desalentar 
a los malos profesores,

00:18:14.274 --> 00:18:19.127
que ha creado problemas morales 
en la comunidad educativa,

00:18:19.151 --> 00:18:21.682
especialmente 
en matemáticas y ciencias,

00:18:21.682 --> 00:18:27.746
nos centramos en alentar 
a los buenos y en darles un estatus.

00:18:27.770 --> 00:18:30.701
Sí, les damos dinero extra, 
15 000 dólares al año.

00:18:30.725 --> 00:18:34.206
Tenemos 800 profesores de 
matemáticas y ciencias en Nueva York

00:18:34.206 --> 00:18:37.030
en las escuelas públicas hoy, 
como parte de un núcleo.

00:18:37.054 --> 00:18:40.740
Hay una gran moral entre ellos.

00:18:40.764 --> 00:18:43.174
Se quedan en el tema.

00:18:43.174 --> 00:18:46.289
El año que viene, serán 1000 y 
serán el 10 % de los profesores

00:18:46.289 --> 00:18:49.947
de matemáticas y ciencias 
de las escuelas públicas en Nueva York.

00:18:49.947 --> 00:18:55.686
(Aplausos)

00:18:55.710 --> 00:18:59.120
CA: Jim, hay otro proyecto filantrópico 
que has apoyado:

00:18:59.144 --> 00:19:01.541
la investigación sobre 
los orígenes de la vida.

00:19:01.565 --> 00:19:03.072
¿Qué vemos aquí?

00:19:03.536 --> 00:19:05.418
JS: Bueno, espera un segundo,

00:19:05.442 --> 00:19:07.604
y te diré lo que están viendo.

00:19:07.628 --> 00:19:10.794
Los orígenes de la vida es 
algo fascinante.

00:19:10.794 --> 00:19:12.441
¿Cómo llegamos aquí?

00:19:13.170 --> 00:19:14.941
Bueno, hay dos preguntas:

00:19:14.965 --> 00:19:20.833
Una de ellas, ¿cuál es la ruta 
desde la geología a la biología?

00:19:20.857 --> 00:19:22.238
¿Cómo llegamos aquí?

00:19:22.262 --> 00:19:24.626
Y la otra, ¿con qué empezamos?

00:19:24.650 --> 00:19:27.752
¿Con qué material, qué tenemos 
que trabajar en esta ruta?

00:19:27.776 --> 00:19:30.837
Son dos preguntas muy, 
muy interesantes.

00:19:31.773 --> 00:19:37.607
La primera pregunta es un camino 
tortuoso desde la geología hasta el ARN,

00:19:37.631 --> 00:19:39.889
¿cómo se llegó ahí?

00:19:39.913 --> 00:19:42.301
Y la otra, ¿con qué tenemos 
que trabajar?

00:19:42.325 --> 00:19:44.096
Bueno, con más 
de lo que pensamos.

00:19:44.120 --> 00:19:48.963
Así lo de la foto es 
una estrella en formación.

00:19:49.836 --> 00:19:53.261
Cada año en nuestra Vía Láctea, 
que tiene 100 mil millones de estrellas,

00:19:53.285 --> 00:19:55.780
se crean dos nuevas estrellas.

00:19:55.804 --> 00:19:58.274
No me preguntes cómo, 
pero se crean.

00:19:58.298 --> 00:20:01.378
Y les toma 
un millón de años estabilizarse.

00:20:02.132 --> 00:20:04.308
Así que, en estado estacionario,

00:20:04.332 --> 00:20:08.180
hay cerca de dos millones de estrellas 
en formación siempre.

00:20:08.204 --> 00:20:11.662
Una está en algún estado 
de este proceso de decantación.

00:20:12.067 --> 00:20:15.003
Y hay toda esta basura circulando 
alrededor de ella,

00:20:15.027 --> 00:20:16.525
polvo y otras cosas.

00:20:17.479 --> 00:20:20.502
Y que formará, probablemente, 
un sistema solar, o lo que sea.

00:20:20.526 --> 00:20:22.702
Pero aquí está la cuestión,

00:20:22.726 --> 00:20:29.074
en este polvo que rodea 
a una estrella en formación

00:20:29.098 --> 00:20:35.133
se han encontrado, 
moléculas orgánicas significativas.

00:20:35.958 --> 00:20:42.097
Moléculas no solo como el metano, 
sino formaldehído y cianuro,

00:20:42.121 --> 00:20:48.638
que son bloques de construcción, 
semillas, si se quiere, de la vida.

00:20:49.136 --> 00:20:51.828
Bueno, puede ser típico.

00:20:52.395 --> 00:20:59.329
Y puede ser típico que los planetas 
alrededor del universo

00:20:59.353 --> 00:21:02.965
empiecen con algunos de estos bloques 
de construcción básicos.

00:21:03.830 --> 00:21:06.545
¿Significa eso que existirá 
la vida por todos lados?

00:21:06.569 --> 00:21:07.933
Puede ser.

00:21:07.957 --> 00:21:12.084
Pero esto es una muestra de 
lo es tortuoso que este camino

00:21:12.108 --> 00:21:16.502
desde aquellos inicios frágiles, 
esas semillas, todo el camino a la vida.

00:21:16.526 --> 00:21:21.718
Y la mayoría de esas semillas caerán 
en planetas de barbecho.

00:21:21.742 --> 00:21:23.151
CA: ¿Para ti, personalmente,

00:21:23.175 --> 00:21:25.897
encontrar una respuesta a 
esta pregunta de dónde venimos,

00:21:25.921 --> 00:21:29.579
de cómo sucedió, es algo 
que te encantaría descubrir?

00:21:29.603 --> 00:21:31.389
JS: Sí, me encantaría verlo.

00:21:31.413 --> 00:21:32.903
Y gustaría saber

00:21:32.927 --> 00:21:38.097
si ese camino es muy tortuoso, 
y tan improbable,

00:21:38.121 --> 00:21:42.875
que no importa cómo empezar, 
podríamos ser una singularidad.

00:21:43.336 --> 00:21:44.488
Pero por otro lado,

00:21:44.512 --> 00:21:47.990
debido a este polvo orgánico 
flotando alrededor,

00:21:48.014 --> 00:21:51.805
podríamos tener 
muchos amigos allí.

00:21:52.947 --> 00:21:54.108
Sería bueno saberlo.

00:21:54.132 --> 00:21:57.612
CA: Jim, hace unos años, tuve 
la oportunidad de hablar con Elon Musk,

00:21:57.636 --> 00:22:00.473
y le pregunté el secreto de su éxito,

00:22:00.497 --> 00:22:04.188
y dijo tomarme la física 
en serio fue todo.

00:22:04.696 --> 00:22:08.699
Escucharte decir que tomar 
en serio las matemáticas,

00:22:08.723 --> 00:22:11.726
ha impulsado toda tu vida.

00:22:12.123 --> 00:22:16.686
Has hecho una fortuna, 
y ahora sé que te permite invertir

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.

00:22:21.567 --> 00:22:24.425
¿Podría ser que la ciencia 
realmente funciona?

00:22:24.449 --> 00:22:27.221
¿Que las matemáticas 
realmente funcionan?

00:22:27.245 --> 00:22:31.617
JS: Las matemáticas sí funcionan. 
Las matemáticas ciertamente funcionan.

00:22:31.641 --> 00:22:32.839
Y esto ha sido divertido.

00:22:32.863 --> 00:22:37.809
Trabajar con Marilyn y donar 
ha sido muy bueno,

00:22:37.833 --> 00:22:40.769
CA: Acabo de encontrar 
un pensamiento inspirador para mí,

00:22:40.793 --> 00:22:44.800
que al tomar en serio el conocimiento, 
se puede obtener mucho más de él.

00:22:44.824 --> 00:22:47.842
Así que gracias por tu vida increíble, 
y por venir aquí a TED.

00:22:47.866 --> 00:22:48.617
Gracias.

00:22:48.651 --> 00:22:49.752
¡Jim Simons!

00:22:49.806 --> 00:22:54.186
(Aplausos)