کریس اندرسون: شما خدای ریاضیات بودید.
شما در سِن پایین در هاروارد و امآِیتی
درس دادید.
و بعد آژانس امنیت ملی آمریکا سراغتان آمد.
ماجرا چی بود؟
جیم سیمونز: خب اناسای یا
آژانس امنیت ملی آمریکا
دقیقاً دنبالم نیامد.
عملیاتی در پرینستن داشتند
که برایش ریاضیدان استخدام میکردند
تا به کدهای مخفی و چیزهایی
از این قبیل حمله کنند.
و از وجودش با خبر بودم.
و خط مشی خیلی خوبی داشتند،
چون نیمی از زمانتان را میتونستید
به کارهای ریاضی خودتان اختصاص دهید
و حداقل نیمی دیگر را صرف
انجام کارهای آنها کنید.
و حقوقش زیاد بود.
پس کشش مقاومت ناپذیری بود.
پس به آنجا رفتم.
ک. ا.: پس شما رمزشکن بودید.
ج.س.: بله.
ک. ا.: تا این که اخراج شدید.
ج. س.: خب، بله. اخراج شدم.
ک. ا.: چطور؟
ج. س.: خوب چطوری؟
اخراج شدم چون جنگ ویتنام بود،
و رئیس رؤسام در سازمانم
هوادار بزرگ جنگ بود
و یک مقاله در نیویورک تایمز نوشت،
در صفحهی رویی مجله،
دربارهی اینکه چطور جنگ ویتنام
را ببَریم
و من آن جنگ را دوست نداشتم،
فکر میکردم احمقانه است.
و نامهای برای تایمز نوشتم
که چاپ شد،
که میگفت همهی کسانی که برای
مکسول تیلر کار میکنند،
البته اگر کسی اسمش را بیاد بیاره،
با نظراتش موافق نیستند.
و من عقاید خودم را گفتم.
ک.ا.: اوه، باشه. متوجه شدم--
ج س:...که متفاوت از ژنرال تیلر بودند.
اما سرآخر، کسی چیزی نگفت.
اما بعد که ۲۹ سالَم بود و جوانکی سراغم آمد
که میگفت گزارشگر نیمه وقت
مجلهی نیوزویک بود
و میخواست با من مصاحبه کند و
از من دربارهی دیدگاههام بپرسد.
و بهش گفتم،" که الان بیشتر
کار ریاضی انجام میدم،
و وقتی جنگ تمام شد،
بعدش میرم سراغ کارهای آنها."
بعد تنها کار هوشمندانهی آن روزم
را انجام دادم--
به رییس بخش گفتم
که آن مصاحبه را انجام دادم.
و او گفت، "چی گفتی؟"
و بهش چیزی را که
گفته بودم گفتم
و بعد او گفت،
" باید به تیلر زنگ بزنم."
به تیلر زنگ زد؛ ۱۰ دقیقه طول کشید.
پنج دقیقه بعد اخراج شدم.
ک. ا.: بسیار خوب.
ج. س.: ولی بد نشد.
ک. ا.: بد نشد،
چون به استونی بروک رفتید
و در حرفهی ریاضیاتی خودتان ترقی کردید.
در آنجا با این مرد کار کردید.
این کیه؟
ج. س.: اوه،[شینگ-شن] چرن.
چرن یکی از بزرگترین ریاضیدانهای قرن بود.
از دورهی فوق لیسانس در برکلی میشناسمش.
و یکسری ایده داشتم،
و نزد او مطرحشان کردم و
خوشش آمد.
با هم، کاری را انجام دادیم
که الان دارید به خوبی اینجا میبینید.
همین هست.
ک. ا.: منجر به انتشار مقالهی
مشهور مشترکی شد.
میشه توضیح بدید که دربارهی چی بود؟
ج. س.: نه.
(خنده)
ج. س.: یعنی میتونم برای بعضیها
توضیحش بدم.
(خنده)
ک. ا.: توضیح این چی؟
ج. س.: اما نه خیلی. نه برای آدمهای زیادی.
ک. ا.: فکر کنم به من گفتید که
با کُرهها سروکار داشت.
پس از اینجا شروع کنیم.
ج. س.: خوب، بله داشت،
اما آنچه دربارهی آن کار باید بگم-
به آن داشت، اما قبل از
اینکه به آنجا برسیم-
ریاضی آن کار عالی بود.
ازش خیلی راضی بودم؛ همینطور چرن.
چیزی که به عنوان زیرمجموعه شروع شد
الان شکوفا شده.
اما جالبتر اینکه، معلوم شد
در فیزیک کاربرد دارد،
چیزی که نمیدانستیم-
حداقل من از فیزیک سر رشته ندارم،
و فکر نکنم چرن هم چیز زیادی بلد بود.
و حدود ۱۰ سال پس از انتشار مقاله،
کسی به اسم اد ویتن در پرینستن
آن را در نظریهی ریسمان بکار گرفت
و کسانی در روسیه آن را در چیزی
بنام "مادهی چگال" بکار گرفتند.
امروزه، آن چیزها، آنجا،
را ثابت چرن-سیمونز مینامند.
که در بخش زیادی از فیزیک گسترده شده.
فوقالعاده بود.
ما هیچی دربارهی فیزیک
نمیدانستیم
هرگز به ذهنم نرسیده بود
که در فیزیک کاربرد پیدا میکنه.
اما خوب نکتهی ریاضیات همینه-
هرگز نمیدانید به کجا میره.
ک. ا.: این چقدر باورنکردنیه.
ما دربارهی اینکه تکامل چطور ذهن انسانها
را شکل میده صحبت میکنیم
که شاید [ذهن] حقیقت را درک کند یا شاید نکند.
یکجوری شما به یک نظریهی ریاضی رسیدید،
بدون آنکه فیزیک بدانید،
دو دهه بعد کشف کردید که در
توصیفِ پایهایِ جهان فیزیکی واقعی
به کار میرود.
این چطور ممکنه؟
ج. س.: خدا میدونه.
(خنده)
اما فیزیکدان مشهوری هست
به اسم (یوجین) ویگنر،
و او رسالهای نوشته در باب
کارایی غیرموجه ریاضیات.
یکجورهایی این ریاضیات که
به یک معنی ریشه در جهان واقعی دارد-
ما شمردن و اندازهگیری
را میآموزیم، همه این کار بلدند-
و بعد خودبخود پیشرفت میکند.
اما اغلب نتیجهاش منجر به نجات
از یک فاجعه میشود
نسبیت عام یک نمونه است.
[هرمان] مینوکفسکی هندسهاش را داشت،
و انیشتین تشخیص داد
که «خوب این همان چیزیست که
میتوانم نسبیت کلی را در آن بگنجانم."
پس هیچوقت نمیدانی. این یک راز است.
این یک راز است.
ک. ا.: در اینجا تکهای
از نبوغ ریاضیاتی را داریم.
برایمان در این باره بگویید.
ج. س.: خب، این یک توپه- یک کره که اطراف آن
یک شبکه وجود دارد-
آن مربعها منظورمه.
چیزی که من میخوام به شما نشون بدم
ابتدا توسط [لئونارد] اویلر مشاهده شد،
یک ریاضیدان بزرگ در حدود سال ۱۷۰۰ [میلادی]
و کم کم رشد پیدا کرد تا یک شاخهی خیلی مهم
ریاضیات شد:
توپولوژی جبری در هندسه.
آن مقاله در اینجا ریشه داشت.
پس اینجا ما اینها را داریم:
هشت رأس، ۱۲ ضلع و شش وجه دارد.
و اگر شما به تفاوتها نگاه کنید-
رأسها منهای اضلاع به علاوهی وجهها-
تفاوت میشود دو.
بله دو، عدد خوبیه
اینجا راه متفاوتی برای انجامش هست،
اینها مثلثهاییاند که آن رو پوشانده-
این ۱۲ رأس و ۳۰ ضلع دارد
و ۲۰ وجه ، ۲۰ قطعه.
و رأسها منهای اضلاع به علاوهی وجهها میشود دو
و در حقیقت شما این کار را به هر طریقی
میتوانید انجام دهید
این را با انواع چندوجهیها و مثلثها
بپوشانید
و با هم ترکیب کنید.
وقتی رأسها را منهای جمع اضلاع و وجوه کنید
میشود دو.
این یک شکل متفاوت است.
این یک چنبره یا سطح یک دونات است: ۱۶ رأس
که با مستطیل پوشیده شده، ۳۲ ضلع و
۱۶ وجه دارد.
رئوس منهای اضلاع میشود صفر.
همیشه صفر میشه.
هر بار که شما یک چنبره را با مربع
یا مثلث بپوشانید
یا هر چیزی شبیه آن، نتیجه صفر میشه.
خوب، این مشخصهی اویلر نام دارد.
و این چیزیست که ناوردای توپولوژی نام دارد.
واقعا جالبه.
فرقی ندارد چطور انجامش دهید،
همیشه یک جواب میگیرید.
خوب این اولین نیروی فشار بود که از میانهی ۱۷۰۰
به موضوعی که امروزه توپولوژی جبری
نام گرفته وارد شد.
ک.ا.: و کار خود شما یک ایده
مثل این را گرفت
و به فرضیهی ابعاد بالا بُرد،
اجسام در ابعاد بالاتر، و ناورداهای( ویژگیهای تغییرناپذیر)
جدیدی پیدا کردید؟
ج.س.: بله. خوب، همون موقع هم ناورداهای در
ابعاد بالاتر وجود داشت:
طبقات پونتِریاگین-- در واقع، آنها
طبقات چِرن بودند.
یک مشت از این ناورداها وجود داشت.
من تلاش میکردم روی یکی از آنها کار کنم
و به صورت ترکیبی آن را مدلسازی کنم،
به جای روشی که معمولاً انجام میشد،
که به این کار منتهی شد و ما چیزهای
نویی کشف کردیم.
اما اگر به خاطر آقای اویلر نبود-
که ۷۰ جلد در ریاضیات نوشت
و ۱۳ تا بچه داشت،
که اینطور که پیداست در حال نوشتن روی
زانوش تکانشان میداد -
اگر به خاطر آقای اویلر نبود، شاید این
ناورداها وجود نداشتند.
ک.ا.: خوب، پس این حداقل به ما مزهای از
ذهن شگفتآوری که اون تو هست داد.
بیایید دربارهی رنسانس صحبت کنیم.
چون شما اون ذهن شگفتانگیز را برداشتید و
چون در ان.اس.ای یک رمزشکن بودید،
یک رمزشکن در صنایع مالی شُدید.
فکر کنم احتمالاً شما فرضیهی بازار کارا
را قبول نداشتید.
به طریقی شما راهی پیدا کردید که در طول
دو دهه سودهای حیرتانگیزی کنید.
آنطور که برای من توضیح دادند،
آنچه در مورد کار شما قابلتوجه است
تنها اندازهی سوتان نبود،
بلکه اینست که شما آن سودها را با ریسک و
نوسان پایین در مقایسه با دیگر
صندوقهای پوشش ریسک بدست آوردید
که غافلگیر کنندهست.
خوب پس چطوری این کار را کردی جیم؟
ج.س.: من این کار را با جمع کردن یک گروه
شگفتانگیز از افراد انجام دادم.
وقتی من وارد بازرگانی شدم، کمی از ریاضیات
خسته شده بودم.
در سالهای پایانی دههی سوم زندگیم بودم،
پول کمی داشتم.
شروع به بازرگانی کردم که خیلی خوب پیش رفت.
خیلی پول درآوردم با شانس خالص.
یعنی فکر کنم شانس خالص بود.
قطعاً مدلسازی ریاضی نبود.
اما با بررسی دادهها پس از مدتی فهمیدم:
انگار یک ساختاری اینجا هست.
و چند نفر ریاضیدان را استخدام کردم، و
شروع به مدلسازی کردیم-
دقیقاً همون مدل کاری که قبلاً در
مؤسسهی آنالیز دفاع انجام میدادیم.
الگوریتمی را طراحی میکنی،
روی یک کامپیوتر اجراش میکنی.
کار میکنه؟ کار نمیکنه؟ و الی آخر.
ک. ا.: میتونیم نگاهی به این بیندازیم؟
چون این یک گراف معمول از یک کالاست.
من به این نگاه میکنم و میگم، «بالا و پایین شدنِ
این بیترتیب است-
شاید یک تمایل رو به بالای خیلی کم در کل
این زمان داشته باشه.»
چطوری میتونستید با نگاه کردن به این
بازرگانی کنید،
و چیزی ببینید که بیترتیب نیست؟
ج.س.: قدیما - این نوع گرافی است که
قدیما داشتیم،
کالا یا ارزتمایل به ایجاد رَوند [در بازار] دارند.
الزاماً روند ملایمی که اینجا میبینید نه، بلکه
روند در دورههای زمانی.
و اگر تصمیم بگیرید که خوب، من امروز با
میانگین کردن حرکت در ۲۰ روز گذشته،
[بازار را] پیشبینی میکنم-
شاید این یک پیشبینی خوب باشه، و من یکم
پول در میارم.
در واقع، سالها پیش همچین سامانهای
به درد میخورد.
نه به زیبایی ولی کار میکنه.
شما پول درمیارید، پول از دست میدید،
پول درمیارید.
اما این روزهای یک سال است،
و شما در طول این دوره یکم پول درمیارید.
سامانهی قدیمیای است.
ک.ا.: پس شما چندتا روند را در طول زمان
امتحان میکردید
و میدیدید که مثلاً
یک روند ۱۰ روزه و یا ۱۵ روزه آنچه بعداً
اتفاق میافتد را پیشبینی میکند.
ج.س.: مطمئناً، همهی اینها را امتحان
میکردید تا ببینید کدام بهتر کار میکند.
دنبال کردن روند برای دههی ۶۰ عالی بود،
اما برای دههی ۷۰ همینطور خوب بود.
برای دههی ۸۰ اینطور نبود.
ک. ا.: چون همه میتوانستند آن را ببینند.
خب چطور تونستید جلوتر از
دیگران باقی بمانید؟
ج. س.: ما با پیدا کردن رویکردهای دیگه
جلوتر از دیگران ماندیم-
تا حدی رویکردهای کوتاه مدت.
نکتهی واقعی این بود که مقدارعظیمی داده
جمع کنیم-
و در روزهای قدیم باید با دست این کار
را میکردیم.
به فدرال رزرو رفتیم و تاریخچهی
نرخهای سود را کپی کردیم
و کارهایی مثل این، چون روی
کامپیوترها نبودند.
کلی داده گرفتیم.
و آدمهای خیلی باهوش- که کلیدی بودند.
من واقعا نمیدانستم چطور آدمها
را برای انجام معاملات بنیادی استخدام کنم.
یکسری را استخدام کردم- بعضی پول درآوردند،
بعضی هم نه.
نتونستم از آن کسب و کاری
راه بیاندازم.
اما میدانستم چطور دانشمندها
را استخدام کنم،
چون کمی در آن بخش سلیقه دارم.
پس این کار را کردیم.
و به تدریج این مدلها بهتر و بهتر شدند،
بهتر و بهتر.
ک. ا.: شما برای انجام کاری قابل توجه
در رنسانس شناخته شدید،
که این فرهنگ را می سازد،
این گروه از مردم،
که فقط کارگرهای تأجیری نبودند
که با پول وسوسه شوند.
انگیزهشان انجام محاسبات ریاضی
هیجانانگیز و علوم بود.
ج. س.: خوب، من امیدوار بودم که صحت
داشته باشه.
اما کمی از آن برای پول بود.
ک. ا.: کلی پول درآوردند.
ج. س.: نمیتونم بگم که هیچ کس برای
پول نیامد.
فکر کنم بسیاری از آنها برای پول آمدند.
اما برای لذت بردن هم آمدند.
ک.ا.: یادگیری ماشینی چه نقشی در این
بین داشت؟
ج.س.: به شکلی، کاری که ما انجام دادیم هم
یادگیری ماشینی بود.
شما مقدار زیادی داده را بررسی میکنید و
سعی میکنید برنامههای پیشبینی مختلفی را
شبیهسازی کنید،
تا در انجامش بهتر و بهتر شوید.
الزاماً به خودش بازخورد نمیدهد در روشی که
ما بکار بردیم.
اما کار کرد.
ک.ا.: پس این برنامههای پیشبینی مختلف میتونن
خیلی وحشیانه وغیرقابل پیشبینی باشند.
یعنی، شما همهچیز بررسی کردید، درسته؟
شما آبوهوا، قد پیراهن، عقیدهی سیاسی را
بررسی کردید.
ج.س.: بله، ما قد پیراهن را امتحان نکردیم.
ک.ا.: چه چیزهایی؟
ج.س.: خوب همه چیز.
همه چیز به درد میخورد- به جز قد پیراهن.
آبوهوا، گزارشهای سالانه،
گزارشهای فصلی، خود دادههای تاریخی،
مجلدها، هر چی بگی.
هر چیز هست.
ما تا چند ترابایت داده در روز میگرفتیم.
آنها را ذخیره می کردیم و ماساژ میدادیم و
برای آنالیز آمادهشان میکردیم.
شما دنبال ناهنجاری میگردید.
دنبال -همونطور که گفتید،
فرضیهی بازار کارا دُرست نیست.
ک.ا.: اما هر ناهنجاری تکیای میتونه
رندوم باشه.
پس، آیا اینجا رمز کار اینه که فقط دنبال
چند ناهنجاری عجیب بگردیم،
و ببینیم که آیا در یک راستا هستند یا نه؟
ج.س.: هر ناهنجاری تکی ممکنه رندوم باشه،
هرچند، اگر دادهی کافی داشته باشید
میتونید بفهمید رندوم بوده یا نه.
میتونید ناهنجاریای را ببینید که برای
مدت زمان درازی پابرجاست-
احتمال اینکه رندوم باشد بالا نیست.
اما این چیزها پس از مدتی کم رنگ میشوند،
ناهنجاریها محو میشوند.
پس باید به کار مسلط باشید.
ک.ا.: بسیاری از مردم الان به صندوقهای
پوشش ریسک نگاه میکنند
و یه جورایی... شکه شدند،
که چقدر ثروت اینجا ایجاد شده،
و چقدر استعداد صرف آن میشه.
آیا نگرانی از بابت آن صنعت و
شاید صنایع مالی در کل دارید؟
بر قطار از خط خارج شدهای سوار
هستید
که نمیدونم- به بیشتر شدن نابرابری
دامن میزند؟
چطور از آنچه در صنعت صندوقهای پوشش ریسک
دارد اتفاق میافتد دفاع میکنید؟
ج.س.: فکر کنم در سه چهار سال اخیر
صندوقهای پوشش ریسک خیلی موفق نبودهاند.
ما خوب کار کردیم،
اما صنعت صندوقهای پوشش ریسک به طور کل
خیلی عالی نبوده.
بازار بورس دوران خوبی داشته،
همانطور که همه میدونند بالا رفته،
و نسبت درآمدها رشد کرده.
خوب ثروت خیلی زیادی در -
بگذار بگم، پنج یا شش سال اخیر-
در صندوقهای پوشش ریسک ایجاد نشده.
مردم از من میپرسند،
«صندوق پوشش ریسک چیه؟»
و من میگم: «یک و ۲۰».
که یعنی - حالا دو و ۲۰ شده-
دو درصد نرخ ثابت و ۲۰ درصد سود است.
صندوقهای پوشش ریسک موجودات متفاوتی هستند.
ک.ا.: شایعه شده که شما یکم نرخ شما بالاتره.
ما مدتی بالاترین نرخ را در جهان داشتیم.
پنج و ۴۴، این نرخ ماست.
ک.ا.: پنج و ۴۴.
پس پنج درصد ثابت، ۴۴ درصد سود.
همینطور هم برای سرمایهگذارهاتون پول
خیلی زیادی درآوردید.
ج.س.: ما بازده خوبی داشتیم، بله.
مردم خیلی عصبانی شدند:
«چطور میتونید همچین نرخ بالایی بگیرید؟»
من گفتم، «باشه، شما میةونید صرفنظر کنید.»
اما «چطور بیشتر پول دربیارم؟» چیزی بود که مردم-
(خندهی حاضران)
اما زمانی، همانطور که فکر کنم به شما گفتم،
ما [سهام] همهی سرمایهگذارانمان را خریدیم
چون سرمایه یک ظرفیتی دارد
اما آیا ما باید نگران باشیم که صنعت
صندوقهای پوشش ریسک
بیش از حد استعدادهای بزرگ ریاضی و
دیگر رشتهها در دنیا را جذب کند
که در این [صنعت] کار کنند به جای اینکه
روی مشکلات دیگر دنیا؟
ج.س.: خوب، فقط که ریاضیات نیست.
ما ستارهشناسها و فیزیکدانها و امثال
اینها را هم استخدام میکنیم.
فکر نکنم باید خیلی نگرانش باشیم.
صنعت کوچکی است.
و در واقع، آوردن علم به دنیای سرمایهگذاری
دنیا را بهتر کرده.
نوسان را کاهش داده.
نقدینگی را افزایش داده.
دامنه مظنه باریکتر شدهاند چون مردم
اینجور چیزها را معامله میکنند.
پس من زیاد نگران نیستم که اینشتین بِره و
یک صندوق پوشش ریسک باز کند.
ک.ا.: اما شما در مرحلهای از زندگی هستید
که در حقیقت دارید سرمایهگذاری میکنید،
در طرف دیگر زنجیرهی عَرضه-
شما در واقع دارید ریاضیات را در
سراسر آمریکا ترقی میدید.
این همسر شماست، مریلین.
شما با هم روی مسائل انسان دوستانه
کار میکنید.
دربارهاش صحبت کنید.
ج.س.: خوب، مریلین شروع کرد-
اینجا این بالاست، همسر زیبای من-
حدود ۲۰ سال پیش مؤسسه را آغاز کرد.
فکر کنم سال ۹۴.
من میگم ۹۳ و او میگه ۹۴ بود.
اما یکی از این دو سال بود.
(خندهی حاضران)
ما مؤسسه را آغاز کردیم، فقط به عنوان
راه آسانی برای نیکوکاری.
او حساب و کتابش را داشت و به همین منوال.
ما در آن زمان دورنمایی نداشتیم،
اما ذره ذره دورنمایی پیدا شد-
که تمرکز بر ریاضیات و علم بود،
تمرکز بر روی پژوهشهای پایه.
و این کاریست که ما کردیم.
شش سال پیش حدوداً، من رنسانس را ترک کردم
و به کار کردن در مؤسسه پرداختم.
خوب ما این کار را میکنیم.
ک.ا.: پس ریاضی برای آمریکا اساساً
بر رو معلمهای ریاضی در اطراف کشور
سرمایهگذاری میکند،
به آنها درآمد اضافه میده،
آنها را حمایت و تربیت میکند.
و واقعاً سعی میکند که این کار را
بهتر انجام بده
و آن را تبدیل به پیشهای کند که
معلمها آرزو میکنند.
ج س: آره- بجای کوبیدن معلمهای بد،
که در کل جامعهی آموزشی مشکلات اخلاقی
ایجاد کرده،
بخصوص در ریاضی و علوم،
ما روی گرامیداشت خوبها تمرکز میکنیم و
به آنها موقعیت میدیم.
بله ما به آنها پول بیشتر میدیم، ۱۵۰۰۰
دلار در سال.
ما ۸۰۰ معلم ریاضی و علوم در مدارس دولتی
شهر نیویورک داریم،
که هسته را تشکیل میدهند.
روحیهی عالیای بینشون هست.
آنها در این رشته میمانند.
سال بعد، ۱۰۰۰ نفر خواهد بود
که ۱۰ درصدِ
معلمهای ریاضی و علوم در مدارس دولتی
[شهر] نیویورک هستند.
(تشویق حاضران)
ک. ا.: جیم، این یک پروژهی دیگرست که تو از
آن از روی نوع دوستی حمایت کردهای:
به گمانم تحقیق درباره ریشههای حیات است.
در اینجا به چی نگاه میکنیم؟
ج. س.: خوب، من این را به خاطر میسپارم.
و سپس به شما میگم که به چی نگاه میکنید.
خاستگاه حیات پرسش شگفتانگیزیه.
چطور به اینجا رسیدیم؟
خوب، دو پرسش هست:
یکی اینکه، مسیر از زمینشناسی
به زیستشناسی چیه-
چطور ما به اینجا رسیدیم؟
و پرسش دیگه اینه که،
با چی شروع کردیم؟
چه مادهای، اگر مادهای بوده، ما باید
در این مسیر استفاده میکردیم؟
این دو پرسش خیلی جالب هستند.
پرسش اول یک راه پر پیچ و خم از
زمینشناسی تا آرانای است
یا چیزی شبیه آن-
چطور اتفاق افتاد؟
و دیگری اینکه، ما با چی باید کار کنیم؟
خب، بیشتر از آنچه فکرش را میکنیم.
خوب آنچه در اینجا به تصویر کشیده شده،
ستارهای در حال شکلگیری است،
حالا، هر سال در کهکشان راه شیری ما،
که ۱۰۰ میلیارد ستاره دارد،
حدوداً دو ستاره تازه ایجاد میشود.
از من نپرس چطور، اما آنها ایجاد میشوند.
و حدود یک میلیون سال زمان
میبرد تا ایستا شوند.
پس در حالت ایستا،
حدود دو میلیون ستاره در هر لحظه
در حال شکل گرفتن است.
این یکی هم جایی در دورهی ایستا شدن است.
و این آشغالها در اطرافش میگردند،
غبار و اینها.
و احتمالاً یک منظومهی شمسی یا
هر چی تشکیل میده.
اما نکته اینجاست-
در این غباری که ستارهی در حالِ
شکلگیری را احاطه کرده،
حالا مقدار قابل توجهی
مولکولهای آلی پیدا شده.
مولکولهایی که مثل متان نیستند بلکه
فُرمالدهید و سیانید-
چیزهایی که بخشهای سازنده -
به عبارت دیگه بذر حیات هستند.
پس این شاید معمول باشد.
و شاید معمول باشد که سیّارهها در جهان هستی
با این بخشهای سازنده آغاز شدند.
حالا آیا معنیاش اینست که همهجا
حیات وجود خواهد داشت؟
شاید.
اما مسئله اینست که این راه چقدر
پر پیچ و خم است
از آن شروع ضعیف، آن بذرها، تا حیات.
و بیشتر آن بذرها روی سیّارههای
آیشی میافتند.
ک ا: پس برای شما، شخصاً،
یافتن پاسخ این سؤال که ما از
کجا میاییم،
که چطور این اتفاق افتاده،
است که دوست دارید ببینید.
ج س: مشتاقم ببینم.
و دوست دارم بدانم--
اگر آن مسیر به حد کافی پرپیچ و خم است
و آنقدر نامحتمل،
که فارغ از آنکه با چی شروع کنیم،
ممکن است تک باشیم.
اما از سوی دیگر،
با این همه غبار آلی که شناور است،
ممکنه آن بیرون کلی دوست داشته باشیم.
عالی میشه اگر بفهمیم.
ک. ا.: جیم، دو سال پیش فرصت صحبت کردن با
الون ماسک را پیدا کردم،
و از او راز موفقیتش را پرسیدم،
و او گفت جدی گرفتن فیزیک رازش بود.
با گوش کردن به شما، چیزی که من از شما
میشنوم جدی گرفتن ریاضیات است،
که کل زندگیتان را دربرگرفته.
به شما ثروت مطلق داده و اکنون به شما
امکان سرمایهگذاری
در آیندهی هزاران هزار کودک در سراسر آمریکا
و جاهای دیگر را میده.
آیا میتونیم بگیم که علم به درد میخورد.
که ریاضیات واقعاً به درد میخورد؟
ج. س.: خوب، ریاضی قطعاً به درد میخورد.
ریاضی قطعاً به درد میخورد.
کار لذتبخشی بود.
کار کردن با مریلین و بخشش کردن
بسیار لذت بخش بوده.
ک. ا.: برای من فکر الهام بخشی است،
اینکه با جدی گرفتن دانش،
از آن بهتر میتوان نتیجه گرفت.
پس از شما به خاطر زندگی فوقالعادهتان
و آمدنتان به TED سپاسگزارم.
متشکرم.
جیم سیمونز!
(تشویق حاضران)