Chris Anderson: Você foi
um fenômeno da matemática.
Você lecionou em Harvard
e no MIT ainda muito jovem.
E aí a NSA te procurou.
Como foi isso?
Jim Simons: Bem, a NSA, Agência
de Segurança Nacional americana,
não me procurou exatamente.
Eles tinham um projeto em Princeton,
no qual contratavam matemáticos
para decifrar códigos secretos
e coisas do gênero.
Eu sabia da existência deles.
Eles tinham uma política
de trabalho muito boa,
podíamos trabalhar metade
do tempo nas nossas pesquisas,
e metade nas coisas deles.
E pagavam muito bem,
então foi difícil resistir.
Então, eu fui para lá.
CA: Você era um hacker.
JS: Eu era.
CA: Até ser demitido.
JS: Sim, fui demitido.
CA: Por quê?
JS: Bem, por quê?
Fui demitido porque
a guerra do Vietnã acontecia,
e o chefe dos chefes da minha organização
era um grande entusiasta da guerra
e escreveu uma reportagem de capa
para a revista New York Times,
sobre como venceríamos no Vietnã.
Eu não gostava daquela guerra,
eu a achava estúpida.
E escrevi uma carta para o Times,
que foi publicada,
dizendo que nem todos
que trabalhavam para Maxwell Taylor,
se alguém se lembra desse nome,
concordava com as opiniões dele.
E dei minhas próprias opiniões,
CA: Ah, certo, percebo que eram...
JS: ...diferentes das opiniões
do general Taylor.
Mas no final, ninguém falou nada.
Na época eu tinha 29 anos,
e um rapaz apareceu
dizendo que era correspondente
da revista Newsweek,
que queria me entrevistar
e saber o que eu estava fazendo
a respeito das minhas opiniões.
Eu respondi: "Agora, estou trabalhando
principalmente na matemática
e, quando a guerra acabar, vou trabalhar
principalmente nas coisas deles".
Então fiz a única coisa
inteligente daquele dia:
contei para meu chefe
que eu tinha dado aquela entrevista.
Ele disse: "O que você falou?"
E eu contei a ele.
E ele disse: "Vou ter
que ligar para o Taylor".
Ele ligou para o Taylor,
isso levou dez minutos.
Fui demitido cinco minutos depois.
CA: Certo.
JS: Mas não foi ruim.
CA: Não foi ruim porque você
foi para a "Stony Book"
e alavancou sua carreira matemática.
Você começou a trabalhar com este homem.
Quem é ele?
JS: Ah, Shiing-Shen Chern.
O Chern foi um dos maiores
matemáticos do século.
Conheci ele quando eu fazia
pós-graduação em Berkeley.
Eu tinha algumas ideias
e apresentei-as a ele, e ele gostou.
Juntos, fizemos este trabalho
que você pode facilmente ver aqui.
Aqui está ele.
CA: Através desse trabalho vocês
publicaram um artigo famoso juntos.
Pode nos explicar
em que consistia esse trabalho?
JS: Não.
(Risos)
JS: Bem, eu posso explicar isso a alguém.
(Risos)
CA: Que tal explicar isso?
JS: Mas não para muitas pessoas.
CA: Acho que você me disse
que tinha algo a ver com esferas,
então vamos começar por isso.
JS: Bem, tinha; mas sobre aquele trabalho,
tinha algo a ver com isso, mas antes,
esse trabalho era matemática pura.
Eu estava feliz com o trabalho,
e o Chern também.
Ele até começou como um assunto
que hoje está crescendo.
Mas, o que é mais interessante
é que ele se aplica à fisica,
algo que não conhecíamos,
pelo menos eu não sabia nada de física,
e não acho que o Chern
soubesse muita coisa.
E uns dez anos depois
que o artigo foi publicado,
um cara chamado Ed Witten, em Princeton,
começou a aplicá-lo na teoria das cordas
e pessoas na Rússia começaram a aplicá-lo
no que foi chamado "matéria condensada".
Hoje em dia, as chamadas
constantes de Chern-Simons
espalharam-se por trabalhos de física.
E isso é fantástico.
Não sabíamos nada de física.
Nunca pensei que isso
seria aplicado à fisica.
Mas esse é o interessante da matemática:
você nunca sabe aonde ela vai.
CA: Isso é incrível.
Então, estávamos falando sobre
como a evolução influencia a mente humana,
que pode ou não perceber a verdade.
De alguma forma, você produziu
uma teoria matemática,
sem saber nada de física,
e duas décadas depois
descobriu que ela é aplicada
para descrever profundamente
o mundo físico real.
Como isso é possível?
JS: Só Deus sabe.
(Risos)
Mas há um famoso físico
chamado Eugene Wigner
que escreveu um ensaio sobre
a eficácia irracional da matemática.
De alguma forma, a matemática
está enraizada no mundo real:
aprendemos a contar, a medir,
todo mundo pode fazer isso,
e aí, ela floresce por conta própria.
Mas várias vezes ela volta
para salvar o dia.
A relatividade geral é um exemplo.
Hermann Minkowski tinha
essa geometria, e Einstein percebeu:
"Ei! É com isso que eu posso
lançar a relatividade geral."
Nunca se sabe, é um mistério.
É um mistério.
CA: Aqui temos uma engenhosa
obra matemática.
Conte-nos sobre isto.
JS: Bem, isto é uma bola, uma esfera,
que tem uma estrutura em torno dela,
esses quadrados.
O que mostrarei aqui foi originalmente
observado por Leonhard Euler,
o grande matemático, em 1700.
Isso cresceu progressivamente até ser
um campo muito importante em matemática:
topologia algébrica, geometria,
e aquele ensaio tinha as suas raízes nela.
Então, sobre esta coisa:
ela tem 8 vértices, 12 arestas e 6 faces.
E se você calcular a diferença:
vértices menos bordas, mais faces,
dá dois.
Certo, dois. É um bom número.
Aqui, uma outra forma de fazer isso,
esta é coberta com triângulos,
ela tem 12 vértices e 30 bordas,
e 20 faces, 20 peças.
E, vértices menos arestas,
mais faces, ainda é igual a dois.
E você poderia fazer isso
de qualquer outra forma,
cobri-la com todos os tipos
de polígonos e triângulos,
e misturá-los,
e vértices menos arestas,
mais faces, continuará dando dois.
Aqui está uma forma diferente.
Este é um toro, a superfície de uma rosca,
tem 16 vértices cobertos
por estes retângulos,
32 arestas, 16 faces,
e vértices, menos arestas,
mais faces dá zero.
Sempre dará zero.
Toda vez que você cobrir toros
com quadrados ou triângulos
ou qualquer coisa do tipo, vai dar zero.
Isso chama-se "Característica de Euler",
é o que chamamos de invariante topológico.
É incrível.
Não importa como você faça,
sempre obterá a mesma resposta.
Esse foi o primeiro impulso,
em meados de 1700,
em um assunto que agora
é chamado de topologia algébrica.
CA: E seu próprio trabalho
tomou uma ideia como esta e a levou
para a teoria das dimensões superiores,
objetos das dimensões superiores,
e encontrou novas invariâncias?
JS: Sim. Bem, já havia invariantes
de dimensão superior:
as classes de Pontryagin,
as classes de Chern.
Havia um monte dessas invariantes.
Eu estava lutando
para trabalhar em uma delas
e modelá-la combinatoriamente,
em vez da maneira usual,
o que levou a esse trabalho,
e nós descobrimos algumas coisas novas.
Mas, se não fosse pelo Sr. Euler,
que escreveu quase
70 volumes de matemática
e tinha 13 filhos,
que aparentemente ele balançava
no joelho enquanto escrevia,
se não fosse por ele, talvez
não existissem estas invariantes.
CA: Pelo menos isso nos deu
uma amostra dessa mente incrível.
Vamos falar da "Renaissance".
Como você usou essa mente incrível,
e tendo sido um hacker na NSA,
você começou a se tornar
hacker na indústria financeira.
Acho que você não aceitou
a teoria de mercado eficiente.
De alguma forma,
você conseguiu rendimentos
surpreendentes ao longo de duas décadas.
Da forma como me foi explicado,
o que é notável sobre o que você fez
não foi só o tamanho dos rendimentos,
mas que você os conseguiu com volatilidade
e risco surpreendentemente baixos,
comparado a outros
fundos de cobertura.
Como você fez isso, Jim?
JS: Eu fiz isso juntando
um grupo maravilhoso de pessoas.
Quando comecei a fazer negociações,
eu estava um pouco cansado da matemática.
Eu já estava no final dos 30 anos
e com pouco de dinheiro.
Eu comecei a negociar, e me dei muito bem.
Eu fiz um bom dinheiro, por pura sorte.
Eu acho que foi pura sorte.
Certamente não foi a modelagem matemática.
Mas, olhando os dados,
depois de um tempo, eu percebi:
parece que há alguma estrutura aqui.
Eu contratei alguns matemáticos,
e começamos a fazer uns modelos,
exatamente o tipo de coisa que fazíamos
no IAD, o Instituto de Análises de Defesa.
Você escreve um algoritmo
e o testa em um computador.
Funciona? Não funciona? E por aí vai.
CA: Vamos dar uma olhada nisso?
Porque, aqui tem um gráfico típico
de uma commodity, ou algo assim.
Eu olho para isso e vejo apenas
um caminho aleatório, de altos e baixos,
talvez uma tendência ascendente
durante esse tempo.
Como você negocia olhando para isso,
e como vê algo que não é apenas aleatório?
JS: Nos velhos tempos, este é
o tipo de gráfico dos velhos tempos,
commodities ou moedas
seguiam uma tendência.
Não necessariamente a tendência leve
que vemos aqui, mas tendendo em períodos.
E se você decidisse:
"Certo, hoje vou prever
baseado na mudança média
dos últimos 20 dias".
Talvez fosse uma boa previsão,
e você ganhasse algum dinheiro.
De fato, anos atrás,
tal sistema funcionaria,
não de forma bonita, mas funcionaria.
Você ganharia dinheiro,
perderia, ganharia.
Mas isso vale a pena
em alguns dias de um ano,
e você faria pouco dinheiro
naquele período.
É um sistema muito baseado em vestígios.
CA: Então você testaria um monte
de comprimentos de tendências no tempo
e veria se, por exemplo,
uma tendência de 10 ou 15 dias
predizia o que aconteceu em seguida.
JS: Claro, você tentaria tudo isso
e veria o que funciona melhor.
Na década de 60, teria sido ótimo
seguir as tendências,
talvez na década de 70 também.
Mas não na década de 80.
CA: Porque todos podiam vê-la.
Então, como vocês se mantêm
à frente da maioria?
JS: Nós nos mantemos à frente,
encontrando outras abordagens,
abordagem de curto prazo, até certo ponto.
O desafio foi juntar
uma quantidade enorme de dados,
e no começo, tivemos que fazer isso à mão.
Copiamos históricos de taxas de juro
do banco Federal Reserve
e coisas desse tipo,
pois não havia dados eletrônicos.
Conseguimos muitos dados
e pessoas muito inteligentes,
isso foi a chave!
Eu não sabia como contratar pessoas
para fazer negociação fundamental.
Eu havia contratado algumas,
umas fizeram dinheiro, outras não.
Eu não conseguia ganhar com aquilo.
Mas eu sabia como contratar cientistas,
porque nesse departamento eu levo jeito.
Então, foi isso o que fizemos.
E, gradualmente, esses modelos
foram melhorando
e melhorando cada vez mais.
CA: Você leva crédito de ter feito
algo notável na Renaissance:
construir uma cultura,
formar esse grupo de pessoas
que não eram apenas mercenários
atraídos por dinheiro,
mas sim, motivados por fazer
matemática e ciência emocionantes.
JS: Bem, eu queria que isso fosse verdade,
mas, em parte, era pelo dinheiro.
CA: Eles ganharam dinheiro.
JS: Não posso dizer
que ninguém veio pelo dinheiro.
Acho que muitos vieram pelo dinheiro,
mas também porque seria divertido.
CA: E qual o papel do aprendizado
de máquina nisso?
JS: Em certo sentido, o que fizemos
era aprendizado de máquina.
Você olha para um monte de dados, e tenta
simular diferentes modelos preditivos,
até você ficar cada vez melhor no que faz.
Da forma como fizemos, por si só,
ele não dava um feedback,
mas funcionava.
CA: Então, esses modelos de previsão
podem ser desordenados e inesperados.
Você tem que analisar tudo, certo?
O tempo, o comprimento
dos vestidos, a opinião política.
JS: Sim, comprimento
de vestidos não testamos.
CA: Que tipo de coisas?
JS: Bem, tudo.
O que caía na rede, era peixe -
exceto a altura das bainhas.
Tempo, relatórios anuais,
relatórios trimestrais, volumes,
dados históricos em si, você escolhe.
O que quer que exista.
Pegávamos terabytes de dados por dia,
e armazenávamos, manipulávamos
e os deixávamos prontos para análise.
Você procura anomalias,
você procura, como disse...
sabe, a hipótese do mercado
eficiente não é correta.
CA: Mas uma anomalia qualquer
pode ser apenas uma coisa aleatória.
Então, o segredo aqui seria olhar
para várias anomalias estranhas,
e ver quando se alinham?
JS: Uma anomalia qualquer
pode ser uma coisa aleatória;
mas, se você tem dados suficientes
você pode dizer que não é.
Uma anomalia que persiste
por um tempo suficientemente longo,
a probabilidade de ser
aleatória não é alta.
Mas essas coisas desaparecem
depois de um tempo;
anomalias podem desaparecer.
Então você tem que se manter
no topo do negócio.
CA: Muitos olham para a indústria
de fundos de cobertura
e ficam meio que... chocados,
com quanta riqueza é criada lá,
e quanto talento está indo para lá.
Você tem preocupações com essa indústria,
e talvez com a indústria
financeira em geral?
De ela estar em um trem desgovernado,
que, não sei, ajuda
a aumentar a desigualdade?
Como você defende o que está acontecendo
na indústria de fundos de cobertura?
JS: Eu acho que, nos últimos
três ou quatro anos,
os fundos de cobertura
não foram muito bem.
Foi bom para nós,
mas a indústria de fundos de cobertura,
como um todo, não se deu tão bem.
O mercado de ações tem estado ótimo,
subindo, como todos sabem,
e o índice Preço/Lucro tem crescido.
Então, uma enorme quantidade
de riqueza que foi criada nos últimos,
digamos, cinco ou seis anos,
não foi criada pelos fundos de cobertura.
As pessoas me perguntavam:
"O que é um fundo de cobertura?"
E eu diria: "Um e vinte".
Que significa, bem, agora são 2 e 20,
são 2% de taxa fixa e 20% de lucros.
Os fundos de cobertura
são de outra espécie.
CA: Dizem que você cobra taxas
ligeiramente mais elevada do que eles.
JS: Uma vez, cobramos
as mais altas taxas do mundo.
Nós cobramos 5 e 44.
CA: Cobram 5 e 44.
Então, 5% de taxa fixa e 44% de ganhos.
Você conseguiu ótimos rendimentos
para seus investidores.
JS: Sim, conseguimos.
Eles reclamavam: "Como você pode
cobrar taxas tão elevadas?"
Eu dizia: "Você pode sair".
Mas "como posso ganhar mais?"
era o que eles queriam.
(Risos)
Mas, a certa altura,
acho que eu te disse isso,
nós negociamos todos os investidores,
porque há uma capacidade para o fundo.
CA: Devemos nos preocupar com o fato
de a indústria de fundos de cobertura
atrair muitos dos grandes matemáticos
e outros talentos do mundo,
em vez de eles trabalharem
pelos muitos outros problemas no mundo?
JS: Bem, não são só matemáticos,
nós contratamos astrônomos,
físicos, e coisas assim.
Eu não acho que devamos
nos preocupar com isso.
Ainda é uma indústria muito pequena.
E, de fato, trazer a ciência
para o mundo do investimento
melhorou esse mundo.
É volatilidade reduzida.
É a liquidez aumentada.
Os "spreads" estão limitados,
pois muitas pessoas os estão negociando.
Então não me preocupa muito se o Einstein
está começando um fundo de cobertura.
CA: No entanto, agora você está
em uma fase onde está investindo
na outra ponta da cadeia de fornecimento,
você está investindo na matemática
em toda a América.
Esta é a sua esposa, Marilyn.
Vocês trabalham juntos, com filantropia.
Conte-me sobre isso.
JS: Bem, a Marilyn começou,
lá está ela, minha linda esposa,
ela começou uma fundação,
há cerca de 20 anos.
Acho que foi em 94.
Eu insisto que foi em 93,
ela diz que foi 94,
mas foi um desses dois anos.
(Risos)
Começamos uma fundação como uma forma
conveniente de fazer caridade.
Ela cuidava do balancete,
e coisas do tipo.
Naquele tempo, não tínhamos uma visão,
mas gradualmente uma visão emergiu,
que era: focar em matemática e ciências,
para se concentrar em pesquisa básica.
E isso é o que temos feito.
Há cerca de seis anos, saí da Renaissance
e fui trabalhar na fundação.
Então é isso que nós fazemos.
CA: Então o objetivo
da "Math for America" é investir
em professores de matemática
em todo o país,
dando-lhes alguma renda extra,
apoio e assistência.
E realmente tentando fazer
isso de forma mais eficaz,
que seja um chamado
a que os professores possam aspirar.
JS: Sim, ao invés de penalizar
os professores ruins,
que só criou mais desânimo
em toda a comunidade educativa,
particularmente, em matemática e ciências,
nos concentramos em comemorar
os bons, e dar-lhes status.
Sim, damos-lhes dinheiro extra,
US$ 15 mil por ano.
Temos 800 professores
de matemática e ciências
nas escolas públicas de Nova York,
como parte de um núcleo.
Há um grande entusiasmo entre eles.
Eles estão permanecendo na área.
Ano que vem serão mil, o que vai ser 10%
dos professores de matemática e ciências
em escolas públicas
da cidade de Nova York.
(Aplausos)
CA: Aqui tem outro projeto
que você apoiou com a filantropia:
acho que, investigação sobre
as origens da vida.
O que estamos vendo aqui?
JS: Bem, vou guardar essa para depois,
e então vou lhe dizer o que estamos vendo.
Origens da vida é uma questão fascinante.
Como chegamos aqui?
Bem, há duas perguntas:
uma delas é, qual é o caminho
da geologia para a biologia,
como chegamos aqui?
E a outra é: com o que começamos?
Com que material, se existe algum,
devemos trabalhar nessa rota?
Essas são duas questões
muito interessantes.
A primeira é um caminho tortuoso,
desde a geologia até o ácido ribonucleico,
ou algo do tipo, como funcionou tudo isso?
E a outra, o que temos para trabalhar?
Bem, mais do que pensamos.
Então, aquela foto
é uma estrela em formação.
Todos os anos em nossa Via Láctea,
que tem 100 bilhões de estrelas,
cerca de duas novas estrelas são criadas.
Não me pergunte como, mas elas são.
E elas levam cerca de 1 milhão de anos
para se estabelecerem.
Assim, em estado estacionário,
há cerca de 2 milhões de estrelas
em formação em qualquer momento.
Aquela está em algum lugar ao longo
deste período de estabelecimento.
E há todo esse tipo de coisa
circulando ao redor dela,
poeira e outras coisas.
E provavelmente ela vai formar
um sistema solar ou outra coisa.
Mas, veja bem,
nesta poeira que circunda
uma estrela em formação
foram encontrados, agora,
moléculas orgânicas significativas.
Moléculas não apenas como o metano,
mas formaldeído e cianeto,
coisas que são os blocos de construção,
as sementes, se me permitem, da vida.
Talvez isso seja típico.
E pode ser típico que planetas
em torno do universo
comecem com alguns desses blocos
básicos de construção.
Agora, isso significa
que vai ter vida por todo canto?
Talvez.
Essa é uma questão de quão
tortuoso é esse caminho
desde esses começos frágeis, as sementes,
por todo o caminho até a vida.
E a maioria dessas sementes
cairão em planetas inférteis.
CA: Para você, pessoalmente,
encontrar uma resposta
a esta pergunta, de onde viemos,
de como essa coisa acontece,
é algo que você gostaria de ver.
JS: Eu adoraria ver.
Eu gostaria de saber:
se esse caminho é tão tortuoso
e tão improvável
que não importa com o que começou,
poderíamos ser uma singularidade.
Mas, por outro lado,
dada toda essa poeira orgânica circulando,
poderíamos ter muitos amigos lá fora.
Eu adoraria saber disso.
CA: Jim, há alguns anos, tive a chance
de falar com o Elon Musk,
e perguntei-lhe o segredo de seu sucesso,
e ele disse que era
levar a física a sério.
Ouvindo você, eu te ouço dizer
que está levando a matemática a sério,
que infundiu toda a sua vida.
Ela lhe deu uma fortuna e agora
está lhe permitindo investir
no futuro de milhares de crianças
em toda a América e em outros lugares.
Então, a ciência realmente funciona?
Matemática realmente funciona?
JS: Bem, matemática certamente funciona.
Mas tem sido divertido.
Trabalhar com a Marilyn e fazer doações
tem sido muito agradável.
CA: É um pensamento inspirador para mim
que, ao tomar o conhecimento a sério,
muito mais pode vir a partir disso.
Então, obrigado por sua vida incrível,
e por ter vindo ao TED.
Obrigado.
Jim Simons!
(Aplausos)