< Return to Video

專訪顛覆華爾街的數學家

  • 0:01 - 0:04
    (安德森) 你算是數學界的奇葩
  • 0:04 - 0:07
    很早便在哈佛和麻省理工教書
  • 0:07 - 0:09
    之後NSA找上門
  • 0:09 - 0:11
    這段故事是？
  • 0:11 - 0:15
    (西蒙斯) 喔，NSA是美國國家安全局
  • 0:15 - 0:17
    並沒有實際找我
  • 0:17 - 0:22
    它在普林斯頓有個機構
    請了許多數學家
  • 0:22 - 0:25
    來破解密碼之類的
  • 0:25 - 0:27
    我知道這事
  • 0:27 - 0:29
    它們的規定挺不錯
  • 0:30 - 0:33
    你可以一半研究數學
  • 0:33 - 0:37
    只要一半做它們的事
  • 0:38 - 0:39
    給薪很優渥
  • 0:39 - 0:42
    這點很難抗拒
  • 0:42 - 0:44
    所以我就去了
  • 0:44 - 0:45
    (安) 你曾是密碼破解員
  • 0:45 - 0:47
    (西) 對，是的
  • 0:47 - 0:48
    (安) 直到被解雇
  • 0:48 - 0:49
    (西) 對，我被炒魷魚
  • 0:49 - 0:51
    (安) 怎會這樣?
  • 0:51 - 0:53
    (西) 嗯，原因嘛
  • 0:54 - 0:59
    被解雇因為...那時越戰爆發
  • 0:59 - 1:04
    我單位的上司迷上越戰
  • 1:04 - 1:09
    他替紐約時報寫了文章
    成為封面故事
  • 1:09 - 1:11
    談如何打贏越戰
  • 1:11 - 1:14
    我不喜歡越戰，覺得很愚蠢
  • 1:14 - 1:16
    便寫信給《時代》雜誌，後來被登出來
  • 1:16 - 1:20
    說並非麥克斯維爾·泰勒所有屬下
  • 1:20 - 1:25
    都贊同他，如果還有人記得這個名字
  • 1:26 - 1:27
    我提出我的看法
  • 1:27 - 1:29
    (安) OK，我瞭解這會...
  • 1:29 - 1:32
    (西) 與泰勒將軍不同
  • 1:32 - 1:34
    但最後也沒人說什麼
  • 1:34 - 1:38
    那年我29歲，有個小子來找我
  • 1:38 - 1:41
    自稱是《新聞週刊》特約記者
  • 1:41 - 1:46
    想問我怎麼實踐自己的看法
  • 1:46 - 1:50
    我說:「現在我幾乎都弄數學
  • 1:50 - 1:53
    等戰爭結束，才會做他們的事」
  • 1:54 - 1:57
    於是我便做了那天最明智的事
  • 1:57 - 2:01
    我把訪談一事告訴主管
  • 2:01 - 2:03
    他問我:「你說了什麼?」
  • 2:03 - 2:04
    我就照實說
  • 2:04 - 2:06
    接著他說:「我要打電話給泰勒」
  • 2:06 - 2:09
    他打給泰勒，講了10分鐘
  • 2:09 - 2:11
    再5分鐘我就被解雇了
  • 2:12 - 2:13
    (安) 這樣啊
  • 2:13 - 2:14
    (西) 不過這並非壞事
  • 2:14 - 2:17
    (安) 這不糟，因為你去了
    紐約州立大學石溪分校
  • 2:17 - 2:20
    數學生涯更上層樓
  • 2:20 - 2:22
    也開始跟這人合作
  • 2:22 - 2:23
    他是誰？
  • 2:24 - 2:26
    (西) 喔，陳省身
  • 2:26 - 2:29
    陳是那世紀最厲害的數學家
  • 2:29 - 2:34
    我在柏克萊念碩士時，就知道他
  • 2:34 - 2:36
    我有些想法
  • 2:36 - 2:39
    告訴了他，他很喜歡
  • 2:39 - 2:45
    我們便一起努力，就上面你看到的
  • 2:45 - 2:46
    就是這個
  • 2:47 - 2:51
    (安) 你們共同發表了著名論文
  • 2:51 - 2:54
    可以談研究內容嗎?
  • 2:55 - 2:56
    (西) 不行
  • 2:56 - 2:58
    (笑聲)
  • 2:59 - 3:01
    (西) 我是說，可以講給別人聽
  • 3:01 - 3:03
    (笑聲)
  • 3:03 - 3:05
    (安) 如果說明這個呢?
  • 3:05 - 3:08
    (西) 可是, 不會向太多人
  • 3:09 - 3:12
    (安) 你曾告訴我，這跟球體有關
  • 3:12 - 3:14
    從這說起吧
  • 3:14 - 3:17
    (西) 我要講那研究－
  • 3:17 - 3:21
    是有關球形, 但我想先說
  • 3:21 - 3:24
    那是一流的數學研究
  • 3:24 - 3:27
    我非常高興，陳也是
  • 3:28 - 3:32
    它甚至促成一個次領域，現在很興盛
  • 3:33 - 3:38
    更棒的是它被用於物理
  • 3:38 - 3:42
    一個未知領域，至少我不懂物理
  • 3:42 - 3:45
    我想陳也只略知皮毛
  • 3:45 - 3:49
    論文發表10年後
  • 3:49 - 3:53
    普林斯頓的愛德華·維騰
    把它用在弦理論
  • 3:53 - 3:58
    俄國人則用於所謂"凝聚體"研究
  • 3:58 - 4:03
    如今這些被稱為"陳-西蒙不變式"
  • 4:03 - 4:05
    廣泛應用在物理界
  • 4:05 - 4:06
    這太不可思議
  • 4:06 - 4:07
    我們完全是物理門外漢
  • 4:08 - 4:11
    從沒想過會被用於物理
  • 4:11 - 4:14
    然而，這就是數學
    你總猜不到它的去向
  • 4:14 - 4:16
    (安) 真難以置信
  • 4:16 - 4:20
    我們談到演化如何形塑人類思想
  • 4:20 - 4:23
    無論思想是否關於真理
  • 4:23 - 4:26
    你就這樣得出一個數學理論
  • 4:26 - 4:28
    完全不懂物理
  • 4:28 - 4:31
    這理論20年後被用來
  • 4:31 - 4:34
    深入描述實際物理世界
  • 4:34 - 4:35
    怎麼辦到的?
  • 4:35 - 4:36
    (西) 天曉得
  • 4:36 - 4:38
    (笑聲)
  • 4:39 - 4:42
    知名物理學家尤金·維格納
  • 4:42 - 4:48
    曾撰文談到數學不合理的有效性
  • 4:48 - 4:52
    不管怎樣, 數學本就源自真實世界
  • 4:52 - 4:57
    例如學計算、測量，大家都這麼做
  • 4:57 - 4:58
    這學門自己繁盛起來
  • 4:59 - 5:02
    常常一回到數學，困難就迎刃而解
  • 5:02 - 5:04
    廣義相對論就是一例
  • 5:04 - 5:08
    愛因斯坦學了閔可夫斯基的幾何學後
  • 5:08 - 5:11
    驚呼「就是它了! 幫我釐清廣義相對論」
  • 5:12 - 5:15
    所以, 你搞不懂的，這太奧秘了
  • 5:15 - 5:16
    超乎常理
  • 5:16 - 5:20
    (安) 關於數學的獨創性
  • 5:20 - 5:21
    講講這個
  • 5:21 - 5:27
    (西) 這是顆球－球體，球面被格狀劃分
  • 5:27 - 5:29
    就那些四方形
  • 5:31 - 5:36
    我要講的是（萊昂納多）歐拉發現的
  • 5:36 - 5:38
    18世紀偉大的數學家
  • 5:38 - 5:43
    這現象逐漸成為重要的數學領域
  • 5:43 - 5:46
    代數拓樸學、幾何學
  • 5:47 - 5:51
    我的研究即從這來
  • 5:51 - 5:53
    是這樣的
  • 5:53 - 5:58
    這裡有8頂點、12邊和6面
  • 5:58 - 6:02
    如果加以運算：頂點數-邊數+面數
  • 6:02 - 6:03
    得到2
  • 6:03 - 6:05
    嗯，好一個2
  • 6:05 - 6:09
    換方法做，佈滿三角形
  • 6:09 - 6:14
    有12個頂點，30個邊
  • 6:14 - 6:18
    和20個面
  • 6:19 - 6:23
    此時點-邊+面仍是2
  • 6:23 - 6:26
    事實上，你可用任何方法
  • 6:26 - 6:29
    球上蓋滿各種多邊形和三角形
  • 6:29 - 6:31
    混合在一起
  • 6:31 - 6:34
    再把點-邊+面，得到2
  • 6:34 - 6:36
    這是另一種形狀
  • 6:36 - 6:42
    這是環面，甜甜圈形表面16頂點
  • 6:42 - 6:46
    覆蓋長方形，32邊，16面
  • 6:47 - 6:49
    點-邊+面得出0
  • 6:49 - 6:51
    答案永遠是0
  • 6:51 - 6:55
    只要用長方或三角形
    覆蓋環面
  • 6:55 - 6:59
    答案總是0
  • 7:01 - 7:03
    這稱為歐拉示性數
  • 7:03 - 7:06
    也叫做拓樸不變量
  • 7:07 - 7:08
    這很神奇
  • 7:08 - 7:11
    不論你怎麼劃，答案總是一樣
  • 7:11 - 7:17
    這是18世紀中以來第一個刺激
  • 7:17 - 7:21
    後來變成代數拓樸學
  • 7:21 - 7:24
    (安) 你對此更深入研究
  • 7:24 - 7:26
    到更高維度理論
  • 7:26 - 7:30
    更高維度的物體，找新的不變量?
  • 7:30 - 7:34
    是, 高維不變量已找到了
  • 7:34 - 7:39
    龐特里亞金示性類，還有陳示性類
  • 7:39 - 7:42
    一大堆這類不變量
  • 7:42 - 7:46
    那時我努力研究其中一個
  • 7:46 - 7:51
    發展成某種組合模型
  • 7:51 - 7:54
    不用既有標準方法
  • 7:54 - 7:58
    這變成我們的研究，也發現新東西
  • 7:58 - 8:02
    但如果沒有歐拉
  • 8:02 - 8:06
    寫下70卷數學書
  • 8:06 - 8:07
    養育13個子女
  • 8:07 - 8:14
    想必是邊寫邊逗弄幼兒
  • 8:14 - 8:20
    若非歐拉, 就沒有這些不變量
  • 8:20 - 8:24
    (安) 恩, 我們瞭解了，奇特的心路歷程
  • 8:25 - 8:26
    現在讓我們談談文藝復興科技公司
  • 8:26 - 8:32
    由於你曾任NSA解碼員的研究經歷
  • 8:32 - 8:35
    你開始當金融界的解碼員
  • 8:36 - 8:38
    我想你不相信效率市場理論
  • 8:38 - 8:45
    20年來，你有辦法獲利驚人
  • 8:45 - 8:46
    對我來說你的方法
  • 8:46 - 8:50
    驚人之處不在於獲利金額多寡
  • 8:50 - 8:54
    而是大幅降低變動性與風險
  • 8:54 - 8:56
    相較其他對沖基金
  • 8:56 - 8:58
    你到底怎麼辦到的?
  • 8:58 - 9:02
    (西) 我靠集合一群優秀的人
  • 9:02 - 9:06
    我開始經商時，我對數學已有些厭煩
  • 9:06 - 9:10
    年紀快40，手頭有點錢
  • 9:10 - 9:13
    便開始做買賣，結果非常成功
  • 9:13 - 9:16
    純靠運氣賺了一大筆錢
  • 9:16 - 9:18
    我說，我認為是好運
  • 9:18 - 9:20
    而肯定不是數學模型
  • 9:20 - 9:23
    但我審視這些數字後
  • 9:24 - 9:26
    發覺現似有固定模式
  • 9:26 - 9:30
    我便請幾位數學家，弄了幾個模型
  • 9:30 - 9:34
    類似我在防衛分析研究所做的
  • 9:34 - 9:37
    設計一套演算法，用電腦測試
  • 9:37 - 9:39
    能用?不能用? 之類的
  • 9:39 - 9:41
    (安) 可否看看這個?
  • 9:41 - 9:45
    這是常見的商品銷售圖
  • 9:46 - 9:51
    我想:「不過是隨機走高走低－
  • 9:51 - 9:53
    整體趨勢緩升」
  • 9:53 - 9:56
    你到底怎麼看這隨機圖
  • 9:56 - 9:57
    就能做生意、發現東西?
  • 9:57 - 10:01
    (西) 這圖很老套了
  • 10:01 - 10:05
    商品或貨幣有其趨勢
  • 10:06 - 10:12
    不必然像這樣，但一段時間有其走向
  • 10:12 - 10:16
    如果你決定，好，我要預測今天
  • 10:16 - 10:21
    靠前20日的平均變化
  • 10:21 - 10:24
    也許可猜得準，也賺到錢
  • 10:24 - 10:29
    事實上幾年前，這系統還可行
  • 10:29 - 10:32
    不漂亮，但過得去
  • 10:32 - 10:34
    賺了，賠了，又賺
  • 10:34 - 10:37
    但這是一年內表現最好的幾天
  • 10:37 - 10:41
    這期間賺得不多
  • 10:42 - 10:44
    這系統老掉牙了
  • 10:45 - 10:48
    (安) 所以你用不同期間長短
  • 10:48 - 10:51
    的趨勢來檢視，例如
  • 10:51 - 10:54
    是10天還是15天的走勢預測較準
  • 10:54 - 11:01
    (西) 沒錯，都得試過才知道
  • 11:01 - 11:05
    順勢投資法
    在60年代或許非常好用
  • 11:05 - 11:07
    70年代還可以
  • 11:07 - 11:09
    到80年代就玩不通了
  • 11:09 - 11:12
    (安) 因為任何人都看得出來
  • 11:12 - 11:15
    你是怎麼持續領先的?
  • 11:15 - 11:21
    (西) 我們靠開發其他方法保持領先－
  • 11:21 - 11:24
    像是期間更短的方法
  • 11:25 - 11:28
    實際上是蒐集無數資料
  • 11:28 - 11:32
    早期都一筆筆抄回來
  • 11:32 - 11:36
    我們到聯準會影印歷史利率
  • 11:36 - 11:39
    之類的，那時還沒有電腦
  • 11:39 - 11:41
    我們取得大批資料
  • 11:41 - 11:45
    和絕頂聰明的人——這是關鍵
  • 11:45 - 11:49
    我不太會找人做實際買賣
  • 11:50 - 11:53
    我請過幾個——有人能賺，有的不行
  • 11:53 - 11:55
    我不能這樣做生意
  • 11:55 - 11:57
    但我知道怎麼請科學家
  • 11:57 - 12:00
    這方面我比較有品味
  • 12:00 - 12:02
    所以就這麼做了
  • 12:02 - 12:05
    模型表現越來越好
  • 12:05 - 12:07
    越來越順
  • 12:07 - 12:10
    (安) 你帶領文藝復興公司的成果驚艷
  • 12:10 - 12:12
    塑造了一種文化、一群人
  • 12:12 - 12:16
    他們不是老想錢的傭兵
  • 12:16 - 12:20
    而一心想玩數學和科學
  • 12:20 - 12:22
    (西) 我希望這是真的
  • 12:22 - 12:26
    但有些動機真的是錢
  • 12:26 - 12:27
    (安) 他們賺了好多
  • 12:27 - 12:30
    (西) 我不信沒人在乎錢
  • 12:30 - 12:32
    我想許多人來都想賺錢
  • 12:32 - 12:34
    但他們也想樂在其中
  • 12:34 - 12:37
    (安) 當中機器學習的角色是?
  • 12:37 - 12:40
    (西) 某些情況下，我們就是做機器學習
  • 12:41 - 12:47
    你面對成堆資料，試著模擬各種預測系統
  • 12:47 - 12:49
    直到越發熟練
  • 12:49 - 12:53
    它不一定會跟人一樣主動回饋資料
  • 12:53 - 12:56
    但仍滿好用的
  • 12:56 - 13:00
    (安) 所以不同預測系統很難駕馭與掌握
  • 13:00 - 13:02
    意思是，你什麼都算，是嗎?
  • 13:02 - 13:05
    天氣、裙長、政治評論
  • 13:06 - 13:08
    (西) 是的，裙長倒沒試過
  • 13:08 - 13:10
    (安) 哪類東西?
  • 13:10 - 13:12
    (西) 所有東西
  • 13:12 - 13:16
    什麼都可用－除了衣擺長度
  • 13:17 - 13:19
    天氣、年報
  • 13:19 - 13:24
    季報、歷史資料、冊數，只要你叫得出來
  • 13:24 - 13:25
    管他是什麼
  • 13:25 - 13:28
    我們每天取得1T的資料
  • 13:28 - 13:32
    接著儲存、處理、準備分析
  • 13:33 - 13:35
    尋找突出的現象
  • 13:35 - 13:38
    在找——就像你說的
  • 13:38 - 13:40
    效率市場假說並不正確
  • 13:40 - 13:44
    (安) 但任何奇特現象都可能只是隨機現象
  • 13:44 - 13:47
    所以秘訣是在與注意多次出現的異狀，
  • 13:47 - 13:49
    並觀察何時接連出現嗎?
  • 13:49 - 13:52
    (西) 任何異常狀可能只是恰巧
  • 13:52 - 13:56
    不過看夠多資料後
    就知並非如此
  • 13:56 - 14:00
    會發現異常持續很久
  • 14:01 - 14:05
    隨機出現的機率反而不高
  • 14:06 - 14:10
    一陣子它會不見，異常會消失
  • 14:10 - 14:13
    所以我們得保持領先
  • 14:13 - 14:16
    (安) 目前人們看對沖基金產業
  • 14:16 - 14:20
    都感到震驚
  • 14:20 - 14:22
    竟創造這麼多財富
  • 14:22 - 14:24
    又得投入大量腦力
  • 14:26 - 14:30
    你擔心這產業嗎?
  • 14:30 - 14:32
    或對整個金融業?
  • 14:32 - 14:35
    好似脫韁野馬
  • 14:35 - 14:39
    我不曉得——助長社會不平等?
  • 14:39 - 14:43
    你為何支持對沖基金的近來發展？
  • 14:43 - 14:45
    (西) 我想近3、4年
  • 14:45 - 14:47
    對沖基金表現平平
  • 14:47 - 14:49
    我們曾風光一時
  • 14:49 - 14:53
    但這產業走得不太順
  • 14:53 - 14:58
    眾所周知，股市向來平步青雲
  • 14:58 - 15:01
    本益比增加了
  • 15:01 - 15:04
    過去5、6年錢賺到嚇死人
  • 15:04 - 15:08
    但對沖基金就較差
  • 15:08 - 15:12
    人們問我:「什麼是對沖基金?」
  • 15:12 - 15:14
    我說:「1和20」
  • 15:14 - 15:18
    意思是——現在是2和20
  • 15:18 - 15:21
    2％的固定手續費，20％的獲利抽成
  • 15:21 - 15:23
    各家對沖基金差異很大
  • 15:23 - 15:27
    (安) 有流言說，你收的高些
  • 15:27 - 15:30
    (西) 我們的手續費一度是世界最高
  • 15:30 - 15:34
    5和44，就這個價格
  • 15:34 - 15:35
    (安) 5和44
  • 15:35 - 15:38
    5%固定費用，44％獲利抽成
  • 15:38 - 15:41
    你仍幫客戶賺進大把鈔票
  • 15:41 - 15:43
    (西) 是的，收益很不錯
  • 15:43 - 15:46
    人們氣我:「這太貴了」
  • 15:46 - 15:47
    我說:「OK，你可退出」
  • 15:47 - 15:50
    但「如何賺更多」就是人們...
  • 15:50 - 15:52
    (笑聲)
  • 15:52 - 15:54
    但重點是，我跟你提過
  • 15:54 - 15:59
    我們收購了所有投資者，因為這基金能賺
  • 15:59 - 16:02
    (安) 但該替對沖基金業擔心嗎?
  • 16:02 - 16:08
    它吸走太多全球優秀的數學等人才
  • 16:08 - 16:11
    只做這事，而無視世界其他問題
  • 16:11 - 16:12
    (西) 這個嘛，不單數學家
  • 16:12 - 16:15
    我們也聘請天文學家和物理學家等
  • 16:16 - 16:18
    我不覺得我們應當過於擔心
  • 16:18 - 16:21
    這產業規模仍小
  • 16:21 - 16:27
    事實上，把科學引入投資界
  • 16:27 - 16:30
    對世界有益
  • 16:30 - 16:34
    可降低變動性，提高流動性
  • 16:34 - 16:37
    因人們交易這東西，擴散範圍變更小
  • 16:37 - 16:42
    我不擔心愛因斯坦出走搞對沖基金
  • 16:42 - 16:47
    (安) 你現在的人生階段是，一方面進出市場
  • 16:47 - 16:50
    但在供應鏈另一端
  • 16:50 - 16:55
    也正促進全美數學發展
  • 16:55 - 16:56
    這是您的夫人，瑪麗蓮
  • 16:56 - 17:01
    您倆攜手從事慈善工作
  • 17:01 - 17:02
    說說這個
  • 17:02 - 17:06
    (西) 嗯，瑪麗蓮－
  • 17:06 - 17:10
    這就是她，我美麗的老婆
  • 17:10 - 17:13
    20年前她創立一基金會
  • 17:13 - 17:14
    我想是1994年
  • 17:14 - 17:16
    我說1993, 她說1994
  • 17:16 - 17:18
    就這兩年間
  • 17:18 - 17:21
    (笑聲)
  • 17:21 - 17:27
    我們創立基金會以便做慈善工作
  • 17:28 - 17:31
    她負責管帳等事
  • 17:31 - 17:38
    那時我們沒太多想法，後來逐漸找到方向——
  • 17:38 - 17:43
    投入數學、科學和基礎研究
  • 17:44 - 17:46
    這就是我們在做的
  • 17:46 - 17:53
    6年前我離開文藝復興公司，改在基金會工作
  • 17:53 - 17:54
    我們在做這個
  • 17:54 - 17:57
    (安) Math for America計畫，基本上是投資
  • 17:57 - 18:00
    全國數學教師
  • 18:00 - 18:04
    提供額外收入並給予支持和指導
  • 18:04 - 18:07
    讓計畫更有效運作
  • 18:07 - 18:09
    號召有理想的老師
  • 18:09 - 18:14
    (西) 是的——與其懲罰不適任者
  • 18:14 - 18:19
    會拖累教育士氣的人
  • 18:19 - 18:22
    特別在數理科
  • 18:22 - 18:28
    我們著重鼓勵好老師，給他們地位
  • 18:28 - 18:31
    是的，我們每年給他們1萬5千美元額外收入
  • 18:31 - 18:35
    目前紐約市有800名公立學校數理教師
  • 18:35 - 18:37
    是核心成員
  • 18:37 - 18:41
    他們士氣高昂
  • 18:41 - 18:43
    專注在這領域
  • 18:43 - 18:46
    明年將增至1千人
  • 18:46 - 18:50
    即紐約公立學校10％的數理教師
  • 18:50 - 18:56
    (掌聲)
  • 18:56 - 18:59
    (安) 你還資助另一計畫
  • 18:59 - 19:02
    研究生命的起源, 是吧
  • 19:02 - 19:03
    這是什麼?
  • 19:04 - 19:05
    (西) 先擱一邊
  • 19:05 - 19:08
    等會再說這圖
  • 19:08 - 19:11
    生命源起令人著迷
  • 19:11 - 19:12
    如何找到答案？
  • 19:13 - 19:15
    這要處理兩個問題
  • 19:15 - 19:21
    一是，從地質學往生物學
  • 19:21 - 19:22
    路在哪裡？
  • 19:22 - 19:25
    二是，從哪下手?
  • 19:25 - 19:28
    一路上需哪些材料?
  • 19:28 - 19:31
    這兩問題非常有趣
  • 19:32 - 19:38
    問題一是條曲折路，從地質學到RNA
  • 19:38 - 19:40
    之類的——這如何可能?
  • 19:40 - 19:42
    問題二是需要什麼東西
  • 19:42 - 19:44
    這超乎我們想像
  • 19:44 - 19:49
    所以，這是張星體形成圖
  • 19:50 - 19:53
    在千億星體組成的銀河系裡
  • 19:53 - 19:56
    每年都誕生兩顆星星
  • 19:56 - 19:58
    別問過程，反正就誕生了
  • 19:58 - 20:01
    接著要百萬年才穩定下來
  • 20:02 - 20:04
    型態固定了
  • 20:04 - 20:08
    宇宙形成中的星星隨時都有兩百萬顆
  • 20:08 - 20:12
    那顆星正逐漸穩定
  • 20:12 - 20:15
    周遭圍繞著廢棄物
  • 20:15 - 20:17
    塵埃和其他東西
  • 20:17 - 20:21
    它可能形成太陽系，或者其他什麼
  • 20:21 - 20:23
    但關鍵是——
  • 20:23 - 20:29
    形成中星體周遭的塵土裡
  • 20:29 - 20:36
    現在研究發現重要的有機分子
  • 20:36 - 20:42
    不只有甲烷，還有甲醛、氰化物
  • 20:42 - 20:49
    這種基礎物質——或者生命的種子
  • 20:49 - 20:52
    這可能是典型過程
  • 20:52 - 20:59
    宇宙星體也可能經此典型過程
  • 20:59 - 21:03
    由基礎組成物建立起來
  • 21:04 - 21:07
    這代表到處都存在生命?
  • 21:07 - 21:08
    也許
  • 21:08 - 21:12
    但問題在於這過程多麼迂迴曲折
  • 21:12 - 21:17
    從渺小的起頭, 種子演變成生命
  • 21:17 - 21:22
    這類種子絕大多數落在休眠星體上
  • 21:22 - 21:23
    (安) 那麼對你個人來說
  • 21:23 - 21:26
    尋找答案，關於你我的起源
  • 21:26 - 21:30
    和源起過程是你想知道的
  • 21:30 - 21:31
    (西) 我很期待
  • 21:31 - 21:33
    也想知道——
  • 21:33 - 21:38
    如果這路如此艱辛、渺茫
  • 21:38 - 21:43
    那不論源頭是什麼，你我都可能是個奇點
  • 21:43 - 21:44
    但另方面
  • 21:45 - 21:48
    由於懸浮在外的有機塵埃
  • 21:48 - 21:52
    遠方我們也許有很多朋友
  • 21:53 - 21:54
    知道這個感覺很好
  • 21:54 - 21:58
    (安) 幾年前，我有機會和伊隆·馬斯克對談
  • 21:58 - 22:00
    我請教他成功的秘訣
  • 22:00 - 22:04
    他說好好把物理當回事
  • 22:05 - 22:09
    而你所說的，我覺得是把數學當回事
  • 22:09 - 22:12
    它飽滿了你的人生
  • 22:12 - 22:17
    它給你帶來可觀的收入，可以投資
  • 22:17 - 22:21
    全美、甚至其他地方數千位孩童的未來
  • 22:22 - 22:24
    真是這學科的功勞嗎?
  • 22:24 - 22:27
    數學真起作用了?
  • 22:27 - 22:32
    (西) 數學本身一定是確實有效的
  • 22:32 - 22:33
    但有趣的是
  • 22:33 - 22:38
    和瑪麗蓮同心捐助也真是人生至樂
  • 22:38 - 22:41
    (安) 我發現——這啟發了我
  • 22:41 - 22:45
    認真做好一門學問，更多好事由此而來
  • 22:45 - 22:48
    感謝你來 TED 分享不凡的人生
  • 22:48 - 22:49
    謝謝你
  • 22:49 - 22:50
    詹姆士‧西蒙斯
  • 22:50 - 22:54
    (掌聲)
Title:
專訪顛覆華爾街的數學家
Speaker:
詹姆斯‧西蒙斯
Description:

詹姆斯‧西蒙斯曾是數學家與密碼解密員，他發現解密用的複雜數學，可來解釋常見的金融現象。西蒙斯在成為億萬富翁後，目前致力資助新生代的數學教師與學者。TED 總監克里斯‧安德森與西蒙斯促膝同坐，一起聊聊西蒙斯不凡的數字人生。
more » « less
Video Language:
English
Team:
closed TED
Project:
TEDTalks
Duration:
23:03

Chinese, Traditional subtitles

Revisions Compare revisions

Our website uses cookies for analysis purposes.