The real relationship between your age and your chance of success | Albert-László Barabási

285,456 views ・ 2019-09-03

TED


Haga doble clic en los subtítulos en inglés para reproducir el vídeo.

Traductor: Daniela Pardo Revisor: Sebastian Betti
00:12
Today, actually, is a very special day for me,
0
12249
2266
El día de hoy es muy especial para mí porque es mi cumpleaños.
00:14
because it is my birthday.
1
14539
2121
00:16
(Applause)
2
16684
3973
(Aplausos)
00:20
And so, thanks to all of you for joining the party.
3
20681
3441
Así que gracias por venir a la fiesta.
00:24
(Laughter)
4
24146
1167
(Risas)
00:25
But every time you throw a party, there's someone there to spoil it. Right?
5
25337
4786
Pero cada vez que organizamos una fiesta siempre alguien la arruina, ¿verdad?
00:30
(Laughter)
6
30147
1072
(Risas)
00:31
And I'm a physicist,
7
31243
1359
Yo soy físico,
00:32
and this time I brought another physicist along to do so.
8
32626
4157
y esta vez invité a otro físico para que se encargara de eso.
00:36
His name is Albert Einstein -- also Albert -- and he's the one who said
9
36807
4562
Su nombre es Albert Einstein, también Albert, y él fue quien dijo
00:41
that the person who has not made his great contributions to science
10
41393
4830
que quien no haya hecho grandes contribuciones a la ciencia
00:46
by the age of 30
11
46247
1559
a los 30 años, entonces nunca lo hará.
00:47
will never do so.
12
47830
1396
00:49
(Laughter)
13
49250
1012
(Risas)
00:50
Now, you don't need to check Wikipedia
14
50286
2340
No necesitan ir a Wikipedia
00:52
that I'm beyond 30.
15
52650
1571
para saber que tengo más de 30.
00:54
(Laughter)
16
54245
1416
(Risas)
00:55
So, effectively, what he is telling me, and us,
17
55685
3606
Así que, efectivamente, lo que me dice a mí y a todos,
00:59
is that when it comes to my science,
18
59315
2544
es que con respecto a mi ciencia no soy muy competente.
01:01
I'm deadwood.
19
61883
1203
01:04
Well, luckily, I had my share of luck within my career.
20
64078
5586
Afortunadamente, durante la carrera tuve mi dosis de suerte.
01:10
Around age 28, I became very interested in networks,
21
70132
3822
A los 28 años me surgió un gran interés por las redes,
01:13
and a few years later, we managed to publish a few key papers
22
73978
4076
y unos años después logramos publicar algunos artículos
01:18
that reported the discovery of scale-free networks
23
78078
4097
que presentaban el descubrimiento de redes de libre escala,
01:22
and really gave birth to a new discipline that we call network science today.
24
82199
4578
lo que dio paso a una nueva disciplina que ahora llamamos ciencia de redes.
01:26
And if you really care about it, you can get a PhD now in network science
25
86801
3678
Si de verdad les gusta, se puede estudiar un doctorado en eso
01:30
in Budapest, in Boston,
26
90503
2028
en Budapest, en Boston, o en cualquier parte del mundo.
01:32
and you can study it all over the world.
27
92555
2308
01:35
A few years later,
28
95466
1595
Algunos años después,
01:37
when I moved to Harvard first as a sabbatical,
29
97085
3230
cuando llegué a Harvard como sabático
01:40
I became interested in another type of network:
30
100339
3092
me interesó otro tipo de red.
01:43
that time, the networks within ourselves,
31
103455
3027
Esta vez, fue la red dentro de nosotros.
01:46
how the genes and the proteins and the metabolites link to each other
32
106506
3726
Cómo los genes, las proteínas y los metabolitos se conectan
01:50
and how they connect to disease.
33
110256
2493
y su relación con las enfermedades.
01:53
And that interest led to a major explosion within medicine,
34
113368
4592
Ese interés hizo que me adentrara en la medicina,
01:57
including the Network Medicine Division at Harvard,
35
117984
3979
incluyendo la División de Medicina de Red en Harvard,
02:01
that has more than 300 researchers who are using this perspective
36
121987
3395
que cuenta con más de 300 investigadores que usan esta perspectiva
02:05
to treat patients and develop new cures.
37
125406
2897
para tratar pacientes y desarrollar nuevas curas.
02:09
And a few years ago,
38
129457
1770
Hace algunos años
02:11
I thought that I would take this idea of networks
39
131251
2526
pensé que tomaría esta idea de las redes
02:13
and the expertise we had in networks
40
133801
1766
y la experiencia que teníamos en un área distinta
02:15
in a different area,
41
135591
1392
que es entender el éxito.
02:17
that is, to understand success.
42
137007
1982
02:19
And why did we do that?
43
139704
1210
¿Por qué lo hicimos?
02:20
Well, we thought that, to some degree,
44
140938
2281
Creímos que, hasta cierto punto,
02:23
our success is determined by the networks we're part of --
45
143243
3377
las redes en las que participábamos determinaban nuestro éxito.
02:26
that our networks can push us forward, they can pull us back.
46
146644
3847
Que las redes nos pueden impulsar y hacer retroceder.
02:30
And I was curious if we could use the knowledge and big data and expertise
47
150925
4128
Me preguntaba si podíamos usar el conocimiento, los datos y experiencia
02:35
where we develop the networks
48
155077
1403
que usamos en las redes para medir cómo suceden estas cosas.
02:36
to really quantify how these things happen.
49
156504
3296
02:40
This is a result from that.
50
160404
1342
Este es uno de los resultados.
02:41
What you see here is a network of galleries in museums
51
161770
2947
Lo que ven es una red de galerías en museos
02:44
that connect to each other.
52
164741
1632
conectadas entre ellas.
02:46
And through this map that we mapped out last year,
53
166806
4055
En este mapa, que hicimos el año pasado,
02:50
we are able to predict very accurately the success of an artist
54
170885
4848
podemos predecir el éxito de un artista con gran precisión
02:55
if you give me the first five exhibits that he or she had in their career.
55
175757
4021
si nos proporcionan las primeras cinco exhibiciones de su carrera.
03:01
Well, as we thought about success,
56
181404
2706
Tal y como lo pensábamos,
03:04
we realized that success is not only about networks;
57
184134
3067
nos dimos cuenta de que el éxito no solo está en las redes.
03:07
there are so many other dimensions to that.
58
187225
2396
Hay muchas otras dimensiones.
03:10
And one of the things we need for success, obviously,
59
190145
3247
Algo que, obviamente, necesitamos para tener éxito
03:13
is performance.
60
193416
1170
es el desempeño.
03:14
So let's define what's the difference between performance and success.
61
194610
3504
Aclaremos la diferencia entre desempeño y éxito.
03:18
Well, performance is what you do:
62
198465
1997
El desempeño es lo que hacemos.
03:20
how fast you run, what kind of paintings you paint,
63
200486
3032
Qué tan rápido corremos, el tipo de pinturas que hacemos,
03:23
what kind of papers you publish.
64
203542
1881
el tipo de artículos que publicamos.
03:25
However, in our working definition,
65
205835
2614
Pero en nuestro entorno de trabajo
03:28
success is about what the community notices from what you did,
66
208473
4205
el éxito es lo que la comunidad reconoce que hicimos,
03:32
from your performance:
67
212702
1612
con nuestro desempeño.
03:34
How does it acknowledge it, and how does it reward you for it?
68
214338
4132
¿Cómo se reconoce y cómo nos retribuye?
03:38
In other terms,
69
218494
1182
En otras palabras,
03:39
your performance is about you, but your success is about all of us.
70
219700
4596
nuestro desempeño es algo personal, pero nuestro éxito concierne a todos.
03:45
And this was a very important shift for us,
71
225392
3334
Para nosotros, este fue un gran cambio
03:48
because the moment we defined success as being a collective measure
72
228750
4024
porque al definir el éxito como una medida colectiva,
03:52
that the community provides to us,
73
232798
2106
provista por la comunidad,
03:54
it became measurable,
74
234928
1510
lo volvimos cuantificable
03:56
because if it's in the community, there are multiple data points about that.
75
236462
4510
pues hay múltiples datos que conciernen a la comunidad.
04:00
So we go to school, we exercise, we practice,
76
240996
5280
Vamos a la escuela, hacemos ejercicio y practicamos
04:06
because we believe that performance leads to success.
77
246300
2991
porque creemos que el desempeño conduce al éxito.
04:09
But the way we actually started to explore,
78
249832
2015
Pero al explorar un poco
04:11
we realized that performance and success are very, very different animals
79
251871
3527
nos dimos cuenta de que el desempeño y el éxito no tienen nada en común
04:15
when it comes to the mathematics of the problem.
80
255422
2444
y no resuelven el problema.
04:18
And let me illustrate that.
81
258429
1432
Déjenme explicarles.
04:20
So what you see here is the fastest man on earth, Usain Bolt.
82
260329
4947
Él es el hombre más rápido del mundo, Usain Bolt.
04:25
And of course, he wins most of the competitions that he enters.
83
265832
3910
Gana casi todas las competencias en las que participa.
04:30
And we know he's the fastest on earth because we have a chronometer
84
270393
3175
Sabemos que es el más rápido porque tenemos un cronómetro
04:33
to measure his speed.
85
273592
1160
que mide su velocidad.
04:34
Well, what is interesting about him is that when he wins,
86
274776
4119
Lo interesante es que cuando gana
04:38
he doesn't do so by really significantly outrunning his competition.
87
278919
5502
no lo hace con una gran ventaja.
04:44
He's running at most a percent faster than the one who loses the race.
88
284445
4519
Como máximo, corre 1 % más rápido que el que pierde.
04:49
And not only does he run only one percent faster than the second one,
89
289631
3638
No solo es que corra 1 % más rápido que el segundo,
04:53
but he doesn't run 10 times faster than I do --
90
293293
2849
tampoco corre diez veces más rápido que yo.
04:56
and I'm not a good runner, trust me on that.
91
296166
2181
Y no soy buen corredor, créanme.
04:58
(Laughter)
92
298371
1197
(Risas)
04:59
And every time we are able to measure performance,
93
299592
3502
Cada vez que medimos el desempeño
05:03
we notice something very interesting;
94
303118
2050
vemos algo muy interesante.
05:05
that is, performance is bounded.
95
305192
2511
El desempeño tiene limitantes.
05:07
What it means is that there are no huge variations in human performance.
96
307727
3757
Es decir que el desempeño humano no tiene grandes variaciones.
05:11
It varies only in a narrow range,
97
311508
3432
Solo varía muy poco
05:14
and we do need the chronometer to measure the differences.
98
314964
3279
y necesitamos un cronómetro para medir las diferencias.
05:18
This is not to say that we cannot see the good from the best ones,
99
318267
3168
No pretendo decir que no veamos lo bueno de los mejores,
05:21
but the best ones are very hard to distinguish.
100
321459
2733
pero es muy difícil identificar a los mejores.
05:24
And the problem with that is that most of us work in areas
101
324216
2992
El problema es que la mayoría de nosotros trabajamos en áreas
05:27
where we do not have a chronometer to gauge our performance.
102
327232
3922
donde no tenemos un cronómetro para medir nuestro desempeño.
05:31
Alright, performance is bounded,
103
331178
1564
El desempeño tiene limitantes.
05:32
there are no huge differences between us when it comes to our performance.
104
332766
3532
Si hablamos de desempeño, no hay grandes diferencias entre nosotros.
05:36
How about success?
105
336322
1157
¿Qué hay del éxito?
05:37
Well, let's switch to a different topic, like books.
106
337995
2930
Cambiemos de tema y hablemos de libros.
05:40
One measure of success for writers is how many people read your work.
107
340949
5015
Una forma de medir el éxito de un escritor es con el número de personas que los leen.
05:46
And so when my previous book came out in 2009,
108
346662
4410
Cuando publiqué mi último libro en 2009
05:51
I was in Europe talking with my editor,
109
351096
1902
estaba en Europa con mi editor
05:53
and I was interested: Who is the competition?
110
353022
2462
y me interesaba saber quién era la competencia.
05:56
And I had some fabulous ones.
111
356253
2735
Eran de los grandes.
05:59
That week --
112
359012
1169
Esa semana...
06:00
(Laughter)
113
360205
1024
(Risas)
06:01
Dan Brown came out with "The Lost Symbol,"
114
361253
3557
Dan Brown publicó "El símbolo perdido"
06:04
and "The Last Song" also came out,
115
364834
2982
y también publicaron "La última canción"
06:07
Nicholas Sparks.
116
367840
1429
de Nicholas Sparks.
06:09
And when you just look at the list,
117
369293
2988
Si solo miran la lista
06:12
you realize, you know, performance-wise, there's hardly any difference
118
372305
3453
pueden ver que, en cuanto a desempeño, casi no hay diferencia
06:15
between these books or mine.
119
375782
1598
entre esos libros y el mío.
06:17
Right?
120
377404
1175
¿Cierto?
06:18
So maybe if Nicholas Sparks's team works a little harder,
121
378603
4668
Si el equipo de Nicholas Sparks se esforzaba un poco más,
06:23
he could easily be number one,
122
383295
1722
pudo ser el número uno,
06:25
because it's almost by accident who ended up at the top.
123
385041
2898
pues quien obtuvo el primer puesto lo hizo casi por accidente.
06:28
So I said, let's look at the numbers -- I'm a data person, right?
124
388486
3153
Así que pensé en revisar los números, después de todo, son datos.
06:31
So let's see what were the sales for Nicholas Sparks.
125
391663
4318
Veamos las ventas de Nicholas Sparks.
06:36
And it turns out that that opening weekend,
126
396005
2054
Resulta que ese fin de semana de estreno
Nicholas Sparks vendió más de 100 000 copias,
06:38
Nicholas Sparks sold more than a hundred thousand copies,
127
398083
2975
lo cual es impresionante.
06:41
which is an amazing number.
128
401082
1705
06:42
You can actually get to the top of the "New York Times" best-seller list
129
402811
3396
Se podría estar entre los mejores de los best-seller de The New York Times
06:46
by selling 10,000 copies a week,
130
406231
2110
vendiendo 10 000 copias por semana.
06:48
so he tenfold overcame what he needed to be number one.
131
408365
3752
Así que vendió diez veces más de lo necesario para ser el número uno.
06:52
Yet he wasn't number one.
132
412141
1430
Sin embargo, no lo fue.
06:53
Why?
133
413595
1308
¿Por qué?
06:54
Because there was Dan Brown, who sold 1.2 million copies that weekend.
134
414927
4078
Porque Dan Brown vendió 1,2 millones de copias ese fin de semana.
06:59
(Laughter)
135
419029
2136
(Risas)
07:01
And the reason I like this number is because it shows that, really,
136
421189
3971
Este número me gusta porque nos muestra que, en realidad,
07:05
when it comes to success, it's unbounded,
137
425184
3730
el éxito no tiene límites.
07:08
that the best doesn't only get slightly more than the second best
138
428938
5861
El primero no supera al segundo solo por un poco,
07:14
but gets orders of magnitude more,
139
434823
2697
sino que hay una gran diferencia
07:17
because success is a collective measure.
140
437544
2794
porque el éxito es una medida colectiva.
07:20
We give it to them, rather than we earn it through our performance.
141
440362
4376
Es algo que damos, en lugar de ganarlo con nuestro desempeño.
07:24
So one of things we realized is that performance, what we do, is bounded,
142
444762
5376
Vimos que el desempeño, o lo que hacemos, tiene sus límites,
07:30
but success, which is collective, is unbounded,
143
450162
2682
pero el éxito, que es colectivo, no los tiene.
07:32
which makes you wonder:
144
452868
1312
Eso hace que me pregunte
07:34
How do you get these huge differences in success
145
454204
2911
cómo es que existen estas grandes diferencias en el éxito
07:37
when you have such tiny differences in performance?
146
457139
2906
cuando las diferencias en el desempeño son tan mínimas.
07:40
And recently, I published a book that I devoted to that very question.
147
460537
3787
Recientemente publiqué un libro que se enfoca en esa cuestión.
07:44
And they didn't give me enough time to go over all of that,
148
464348
2839
No tengo mucho tiempo para hablar de todo
07:47
so I'm going to go back to the question of,
149
467211
2071
así que regresaré a la otra pregunta:
07:49
alright, you have success; when should that appear?
150
469306
3135
¿Cuándo deberíamos de tener éxito?
07:52
So let's go back to the party spoiler and ask ourselves:
151
472465
3758
Recordemos a esa persona que arruina las fiestas.
07:57
Why did Einstein make this ridiculous statement,
152
477215
3339
¿Por qué Einstein hizo esa ridícula declaración
08:00
that only before 30 you could actually be creative?
153
480578
3156
de que solo antes de los 30 podemos ser creativos?
08:03
Well, because he looked around himself and he saw all these fabulous physicists
154
483758
4680
Porque miró a su alrededor y vio a grandes físicos
08:08
that created quantum mechanics and modern physics,
155
488462
2587
que crearon la mecánica cuántica y la física moderna
08:11
and they were all in their 20s and early 30s when they did so.
156
491073
3736
y que tenían entre 20 y 30 años.
08:15
And it's not only him.
157
495730
1220
Y no es el único.
08:16
It's not only observational bias,
158
496974
1623
No solo es un sesgo de observación.
08:18
because there's actually a whole field of genius research
159
498621
3997
Hay todo un campo de Genius Research
08:22
that has documented the fact that,
160
502642
2256
que ha documentado el hecho de que
08:24
if we look at the people we admire from the past
161
504922
3160
si prestamos atención a quienes admiramos del pasado
08:28
and then look at what age they made their biggest contribution,
162
508106
3358
y vemos a qué edad hicieron su mayor contribución,
08:31
whether that's music, whether that's science,
163
511488
2096
ya sea en música, ciencia, o ingeniería,
08:33
whether that's engineering,
164
513608
1619
08:35
most of them tend to do so in their 20s, 30s, early 40s at most.
165
515251
6123
la mayoría lo hicieron a los 20, los 30 o máximo los 40.
08:41
But there's a problem with this genius research.
166
521914
2791
Pero esta investigación tiene un problema.
08:45
Well, first of all, it created the impression to us
167
525197
3280
Primero que nada, nos dio la impresión
08:48
that creativity equals youth,
168
528501
3479
de que la creatividad se relaciona con la juventud.
08:52
which is painful, right?
169
532004
1610
Eso duele, ¿cierto?
08:53
(Laughter)
170
533638
1951
(Risas)
08:55
And it also has an observational bias,
171
535613
4088
También tiene un margen de error
08:59
because it only looks at geniuses and doesn't look at ordinary scientists
172
539725
4962
porque solo toma en cuenta a genios y no a científicos comunes.
09:04
and doesn't look at all of us and ask,
173
544711
1965
Tampoco a nosotros para preguntar
09:06
is it really true that creativity vanishes as we age?
174
546700
3185
si es verdad que la creatividad se desvanece al envejecer.
09:10
So that's exactly what we tried to do,
175
550382
1877
Es justo lo que intentamos hacer,
09:12
and this is important for that to actually have references.
176
552283
3803
lo cual es importante para que hayan referencias.
09:16
So let's look at an ordinary scientist like myself,
177
556110
2643
Veamos a un científico común, como yo.
09:18
and let's look at my career.
178
558777
1522
Veamos mi carrera.
09:20
So what you see here is all the papers that I've published
179
560323
3202
Estos son todos los artículos que he publicado,
09:23
from my very first paper, in 1989; I was still in Romania when I did so,
180
563549
5115
desde el primero en 1989, aún estaba en Rumania cuando lo hice,
09:28
till kind of this year.
181
568688
1593
hasta el de este año.
09:30
And vertically, you see the impact of the paper,
182
570940
2518
De manera vertical pueden ver su impacto
09:33
that is, how many citations,
183
573482
1403
con el número de citaciones.
09:34
how many other papers have been written that cited that work.
184
574909
3988
Es decir, cuántos artículos han citado este trabajo.
09:39
And when you look at that,
185
579397
1300
Si nos fijamos en eso
09:40
you see that my career has roughly three different stages.
186
580721
2813
podemos ver que mi carrera tiene tres diferentes etapas.
09:43
I had the first 10 years where I had to work a lot
187
583558
2435
Están los primeros diez años en los que trabajaba mucho
sin conseguir demasiado.
09:46
and I don't achieve much.
188
586017
1276
Al parecer, a nadie le importaba mi trabajo, ¿cierto?
09:47
No one seems to care about what I do, right?
189
587317
2118
09:49
There's hardly any impact.
190
589459
1681
No hubo gran impacto.
09:51
(Laughter)
191
591164
1404
(Risas)
09:52
That time, I was doing material science,
192
592592
2887
En ese entonces, me dedicaba a la ciencia de materiales
09:55
and then I kind of discovered for myself networks
193
595503
3691
y después descubrí las redes
09:59
and then started publishing in networks.
194
599218
1947
e hice publicaciones sobre el tema.
10:01
And that led from one high-impact paper to the other one.
195
601189
3073
De ahí fue éxito tras éxito.
10:04
And it really felt good. That was that stage of my career.
196
604286
3104
Se sintió muy bien. Fue esa etapa de mi carrera.
10:07
(Laughter)
197
607414
1282
(Risas)
10:08
So the question is, what happens right now?
198
608720
3208
La cuestión es, ¿qué sucede ahora?
10:12
And we don't know, because there hasn't been enough time passed yet
199
612587
3239
No lo sabemos, porque no ha pasado suficiente tiempo
10:15
to actually figure out how much impact those papers will get;
200
615850
2987
para determinar el impacto que tendrán.
Eso toma tiempo.
10:18
it takes time to acquire.
201
618861
1227
Si vemos los datos
10:20
Well, when you look at the data,
202
620112
1569
10:21
it seems to be that Einstein, the genius research, is right,
203
621705
2854
pareciera que Einstein y Genius Research tienen razón
10:24
and I'm at that stage of my career.
204
624583
1811
y ya no estoy en el mejor momento.
10:26
(Laughter)
205
626418
2308
(Risas)
10:28
So we said, OK, let's figure out how does this really happen,
206
628750
5974
Así que quisimos descifrar cómo es que esto sucede,
10:34
first in science.
207
634748
1778
primero en la ciencia.
10:36
And in order not to have the selection bias,
208
636550
3632
Para que no hubiera un sesgo de selección,
10:40
to look only at geniuses,
209
640206
1337
al fijarnos solo en genios
10:41
we ended up reconstructing the career of every single scientist
210
641567
3716
terminamos reconstruyendo la carrera de cada científico
10:45
from 1900 till today
211
645307
2502
desde 1900 hasta la fecha
10:47
and finding for all scientists what was their personal best,
212
647833
3712
para encontrar la cúspide de todos los científicos.
10:51
whether they got the Nobel Prize or they never did,
213
651569
2812
Tal vez ganaron un premio Nobel o tal vez no lo hicieron
10:54
or no one knows what they did, even their personal best.
214
654405
3407
o nadie sabe de su trabajo, incluso el mejor de ellos.
10:57
And that's what you see in this slide.
215
657836
1915
Esto es lo que ven aquí.
10:59
Each line is a career,
216
659775
1573
Cada línea es una carrera
11:01
and when you have a light blue dot on the top of that career,
217
661372
3003
y el punto azul en cada carrera
11:04
it says that was their personal best.
218
664399
2040
muestra su mayor éxito.
11:06
And the question is,
219
666463
1155
La cuestión es,
11:07
when did they actually make their biggest discovery?
220
667642
3568
¿cuándo hicieron su mayor descubrimiento?
11:11
To quantify that,
221
671234
1165
Para medir eso
11:12
we look at what's the probability that you make your biggest discovery,
222
672423
3376
nos fijamos en las probabilidades de hacer su mayor descubrimiento.
11:15
let's say, one, two, three or 10 years into your career?
223
675823
2672
Tal vez en uno, dos, tres o diez años de carrera.
11:18
We're not looking at real age.
224
678519
1480
No nos fijamos en la edad real.
Nos fijamos en lo que llamamos edad académica.
11:20
We're looking at what we call "academic age."
225
680023
2134
11:22
Your academic age starts when you publish your first papers.
226
682181
3250
La edad académica empieza con las primeras publicaciones.
11:25
I know some of you are still babies.
227
685455
1779
Sé que algunos de Uds. aún son bebés.
11:27
(Laughter)
228
687258
1397
(Risas)
11:28
So let's look at the probability
229
688679
2706
Analicemos la probabilidad
11:31
that you publish your highest-impact paper.
230
691409
2066
de publicar su mejor artículo.
11:33
And what you see is, indeed, the genius research is right.
231
693499
3071
Aquí vemos que Genius Research está en lo correcto.
11:36
Most scientists tend to publish their highest-impact paper
232
696594
3024
La mayoría de los científicos suelen publicar su mejor artículo
11:39
in the first 10, 15 years in their career,
233
699642
2899
en los primeros 10 o 15 años de su carrera profesional,
11:42
and it tanks after that.
234
702565
3133
para venirse abajo después.
11:45
It tanks so fast that I'm about -- I'm exactly 30 years into my career,
235
705722
5107
Sucede tan rápido que estoy por... llevo 30 años de carrera profesional,
11:50
and the chance that I will publish a paper that would have a higher impact
236
710853
3540
y las probabilidades de que publique un artículo que tenga un mayor impacto
11:54
than anything that I did before
237
714417
1940
de lo que he hecho anteriormente
11:56
is less than one percent.
238
716381
1353
son menores al 1 %.
11:57
I am in that stage of my career, according to this data.
239
717758
3049
Estoy en esa etapa profesional, de acuerdo con esta información.
12:01
But there's a problem with that.
240
721648
1843
Pero hay un problema.
12:03
We're not doing controls properly.
241
723515
3675
No hemos hecho un control apropiado.
12:07
So the control would be,
242
727214
1417
Esto se haría preguntándonos
12:08
what would a scientist look like who makes random contribution to science?
243
728655
4607
¿cómo sería un científico que contribuye aleatoriamente a la ciencia?
12:13
Or what is the productivity of the scientist?
244
733286
2995
¿Cuál es su nivel de productividad?
12:16
When do they write papers?
245
736305
2006
¿Cuándo escriben artículos?
12:18
So we measured the productivity,
246
738335
2444
Medimos la productividad
12:20
and amazingly, the productivity,
247
740803
2052
y sorprendentemente, la productividad
12:22
your likelihood of writing a paper in year one, 10 or 20 in your career,
248
742879
4131
o la posibilidad de escribir un artículo en su primer, décimo o veinteavo año
12:27
is indistinguishable from the likelihood of having the impact
249
747034
3606
es equivalente a la posibilidad de que este tenga éxito
12:30
in that part of your career.
250
750664
1775
en ese momento de su carrera profesional.
12:33
And to make a long story short,
251
753026
1783
En pocas palabras,
12:34
after lots of statistical tests, there's only one explanation for that,
252
754833
4228
después de muchos estudios, solo hay una explicación para ello.
12:39
that really, the way we scientists work
253
759085
2894
En realidad, por la forma de trabajar de los científicos,
12:42
is that every single paper we write, every project we do,
254
762003
3633
cada artículo que escribamos, cada proyecto que hagamos
12:45
has exactly the same chance of being our personal best.
255
765660
4160
tiene exactamente la misma posibilidad de ser nuestro mejor trabajo.
12:49
That is, discovery is like a lottery ticket.
256
769844
4953
Es decir que el descubrimiento es como un boleto de lotería.
12:54
And the more lottery tickets we buy,
257
774821
2351
Mientras más boletos compremos
12:57
the higher our chances.
258
777196
1507
más oportunidades tendremos.
12:58
And it happens to be so
259
778727
1559
Resulta que así sucede.
13:00
that most scientists buy most of their lottery tickets
260
780310
2719
La mayoría de los científicos compra la mayoría de sus boletos
13:03
in the first 10, 15 years of their career,
261
783053
2460
en sus primeros 10 o 15 años de carrera.
13:05
and after that, their productivity decreases.
262
785537
3413
Y después, su productividad disminuye.
13:09
They're not buying any more lottery tickets.
263
789411
2084
Ya no compran boletos de lotería.
13:11
So it looks as if they would not be creative.
264
791519
3444
Así que pareciera que no son creativos,
13:14
In reality, they stopped trying.
265
794987
1999
cuando en realidad, dejaron de intentar.
13:17
So when we actually put the data together, the conclusion is very simple:
266
797509
3915
Cuando combinamos la información, la conclusión es muy simple.
13:21
success can come at any time.
267
801448
2331
El éxito puede llegar en cualquier momento.
13:23
It could be your very first or very last paper of your career.
268
803803
3735
Puede llegar con el primer o con el último artículo de su carrera.
13:27
It's totally random in the space of the projects.
269
807562
4288
Es algo completamente aleatorio en el espacio de proyectos.
13:31
It is the productivity that changes.
270
811874
1931
Lo que cambia es la productividad.
13:33
Let me illustrate that.
271
813829
1252
Permítanme explicarles.
13:35
Here is Frank Wilczek, who got the Nobel Prize in Physics
272
815105
3269
Él es Frank Wilczek, quien obtuvo el Premio Nobel en Física
13:38
for the very first paper he ever wrote in his career as a graduate student.
273
818398
4101
por el primer artículo que escribió estando en el último año de su carrera.
13:42
(Laughter)
274
822523
1007
(Risas)
13:43
More interesting is John Fenn,
275
823554
3218
Aún más interesante, él es John Fenn.
13:46
who, at age 70, was forcefully retired by Yale University.
276
826796
4598
Lo expulsaron de Yale a los 70 años.
13:51
They shut his lab down,
277
831418
2056
Cerraron su laboratorio,
13:53
and at that moment, he moved to Virginia Commonwealth University,
278
833498
3666
y fue entonces cuando se fue a la universidad de Commonwealth Virginia,
13:57
opened another lab,
279
837188
1786
y abrió otro laboratorio.
13:58
and it is there, at age 72, that he published a paper
280
838998
3033
Fue ahí, a sus 72 años, que publicó un artículo
14:02
for which, 15 years later, he got the Nobel Prize for Chemistry.
281
842055
3845
por el cual, 15 años después, ganó el Premio Nobel de Química.
14:06
And you think, OK, well, science is special,
282
846940
3042
Seguro pensarán, bueno, la ciencia es algo especial,
14:10
but what about other areas where we need to be creative?
283
850006
3463
pero qué hay de las otras áreas en las que se debe ser creativo.
14:13
So let me take another typical example: entrepreneurship.
284
853493
4936
Permítanme darles otro ejemplo: el emprendimiento.
14:18
Silicon Valley,
285
858834
1579
Silicon Valley,
14:20
the land of the youth, right?
286
860437
2066
es la tierra de la juventud, ¿cierto?
14:22
And indeed, when you look at it,
287
862527
1595
Es cierto que si nos fijamos
14:24
you realize that the biggest awards, the TechCrunch Awards and other awards,
288
864146
4642
podemos ver que los mejores premios, como los premios TechCrunch, entre otros,
14:28
are all going to people
289
868812
2173
los reciben personas
14:31
whose average age is late 20s, very early 30s.
290
871009
5015
con una edad promedio entre finales de los 20 y principios de los 30.
14:36
You look at who the VCs give the money to, some of the biggest VC firms --
291
876465
5602
Si vemos quiénes reciben financiamientos, de algunas de las más grandes empresas,
14:42
all people in their early 30s.
292
882091
2241
todas son personas de apenas 30 años.
14:44
Which, of course, we know;
293
884951
1265
Ya sabemos
14:46
there is this ethos in Silicon Valley that youth equals success.
294
886240
4453
que en Silicon Valley se cree que la juventud se relaciona con el éxito.
14:51
Not when you look at the data,
295
891653
2183
Los datos dicen lo contrario,
14:53
because it's not only about forming a company --
296
893860
2304
pues no solo se trata de crear compañías.
Crear una compañía es seguir intentando, como con la productividad.
14:56
forming a company is like productivity, trying, trying, trying --
297
896188
3140
14:59
when you look at which of these individuals actually put out
298
899352
3484
Cuando vemos quiénes en realidad
15:02
a successful company, a successful exit.
299
902860
2782
crearon una compañía y un camino exitoso.
15:05
And recently, some of our colleagues looked at exactly that question.
300
905666
3720
Recientemente, algunos compañeros se fijaron en esa pregunta.
15:09
And it turns out that yes, those in the 20s and 30s
301
909410
3156
Y resulta que sí, quienes tienen entre 20 y 30 años
15:12
put out a huge number of companies, form lots of companies,
302
912590
3348
crearon un gran número de compañías,
15:15
but most of them go bust.
303
915962
1531
pero la mayoría quebraron.
15:18
And when you look at the successful exits, what you see in this particular plot,
304
918089
4195
Si nos fijamos en los caminos exitosos, lo que se ve en este caso en particular,
15:22
the older you are, the more likely that you will actually hit the stock market
305
922308
3695
es que mientras más edad tengas más probabilidades tienes de lograrlo
15:26
or the sell the company successfully.
306
926027
2312
o de crear una compañía exitosa.
15:28
This is so strong, actually, that if you are in the 50s,
307
928847
3113
Esto es tan serio que, en realidad, con 50 años de edad,
15:31
you are twice as likely to actually have a successful exit
308
931984
3588
se tiene el doble de probabilidades de formar un camino exitoso,
15:35
than if you are in your 30s.
309
935596
1890
que con 30 años de edad.
15:38
(Applause)
310
938613
4325
(Aplausos)
15:43
So in the end, what is it that we see, actually?
311
943645
3009
Al final de cuentas, ¿qué es lo que vemos en realidad?
15:46
What we see is that creativity has no age.
312
946678
4083
Vemos que la creatividad no tiene edad.
15:50
Productivity does, right?
313
950785
2202
La productividad sí, ¿cierto?
15:53
Which is telling me that at the end of the day,
314
953424
4135
Lo que me dice que, al fin de cuentas,
15:57
if you keep trying --
315
957583
2000
si seguimos intentando...
15:59
(Laughter)
316
959607
2403
(Risas)
16:02
you could still succeed and succeed over and over.
317
962034
3572
... aún podemos tener éxito una y otra vez.
16:05
So my conclusion is very simple:
318
965630
2391
Mi conclusión es muy simple.
16:08
I am off the stage, back in my lab.
319
968045
2093
Al bajar del escenario regreso al laboratorio.
16:10
Thank you.
320
970162
1171
Gracias.
16:11
(Applause)
321
971357
3309
(Aplausos)
Acerca de este sitio web

Este sitio le presentará vídeos de YouTube útiles para aprender inglés. Verá lecciones de inglés impartidas por profesores de primera categoría de todo el mundo. Haz doble clic en los subtítulos en inglés que aparecen en cada página de vídeo para reproducir el vídeo desde allí. Los subtítulos se desplazan en sincronía con la reproducción del vídeo. Si tiene algún comentario o petición, póngase en contacto con nosotros mediante este formulario de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7