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

Translator: Maryam Manzoori Reviewer: ‌Behdad Khazaeli

Today, actually, is a very special day for me,

امروز برای من روز خاصی است،

because it is my birthday.

چون تولدم است.

(Applause)

(تشویق حاضران)

And so, thanks to all of you for joining the party.

بنابراین از همه شما ممنونم که به مهمانی آمدید.

(Laughter)

(خنده حاضران)

But every time you throw a party, there's someone there to spoil it. Right?

هر بار که مهمانی می‌دهید کسی هست که خرابش کند، نه؟

(Laughter)

(خنده حاضران)

And I'm a physicist,

من فیزیکدانم.

and this time I brought another physicist along to do so.

و فیزیکدان دیگری را آورده‌ام که مهمانی را به هم بریزد.

His name is Albert Einstein -- also Albert -- and he's the one who said

اسم او آلبرت انشتین است، و کسی است که گفت

that the person who has not made his great contributions to science

شخصی که خدمت عمده‌اش به علم را

by the age of 30

تا سی سالگی نکرده

will never do so.

هرگز این کار را نخواهد کرد.

(Laughter)

(خنده حاضران)

Now, you don't need to check Wikipedia

لازم نیست سراغ ویکیپدیا بروید

that I'm beyond 30.

تا بدانید که من بالای سی سال هستم.

(Laughter)

(خنده حاضران)

So, effectively, what he is telling me, and us,

بنابراین، در واقع آنچه که به من و ما میگوید

is that when it comes to my science,

این است که در زمینه علم،

I'm deadwood.

من چوب خشکی بیش نیستم.

Well, luckily, I had my share of luck within my career.

خوشبختانه من در مسیر حرفه‌ای سهم خودم را از شانس داشتم.

Around age 28, I became very interested in networks,

در حدود ۲۸ سالگی به شبکه‌ها علاقه زیادی پیدا کردم،

and a few years later, we managed to publish a few key papers

و چند سال بعد، توانستیم مقالات مهمی را منتشر کنیم

that reported the discovery of scale-free networks

که کشف شبکه‌های مستقل از مقیاس را گزارش میکرد

and really gave birth to a new discipline that we call network science today.

و باعث تولد نظم جدیدی شد که امروز به آن علم شبکه میگوییم.

And if you really care about it, you can get a PhD now in network science

اگر خیلی علاقمند هستید، میتوانید در علم شبکه پی اچ دی بگیرید

in Budapest, in Boston,

در بوداپست، در بوستون،

and you can study it all over the world.

و در سرتاسر جهان در این رشته تحصیل کنید.

A few years later,

چند سال بعد،

when I moved to Harvard first as a sabbatical,

وقتی که برای فرصت تحقیقاتی به هاروارد آمدم،

I became interested in another type of network:

به نوع دیگری از شبکه علاقمند شدم:

that time, the networks within ourselves,

این بار شبکه‌های درون خود ما،

how the genes and the proteins and the metabolites link to each other

این که چطور ژنها و پروتئینها و متابولیتها به همدیگر

and how they connect to disease.

و به بیماریها مرتبطند.

And that interest led to a major explosion within medicine,

و آن علاقه به انفجاری عمده در درون رشته پزشکی رهنمون شد،

including the Network Medicine Division at Harvard,

از جمله در دایره شبکه پزشکی در هاروارد،

that has more than 300 researchers who are using this perspective

که بیش از ۳۰۰ پژوهشگر دارد که از این چشم‌انداز استفاده میکنند

to treat patients and develop new cures.

تا بیماران را درمان و علاجهای جدید پیدا کنند.

And a few years ago,

و چند سال پیش

I thought that I would take this idea of networks

فکر کردم می‌توانم این ایده از شبکه‌ها

and the expertise we had in networks

و تخصصی که در شبکه داریم را

in a different area,

به زمینه دیگری ببرم،

that is, to understand success.

یعنی به فهمیدن موفقیت.

And why did we do that?

چرا این کار را کردیم؟

Well, we thought that, to some degree,

خب، فکر‌ می‌کردیم، تا حدی

our success is determined by the networks we're part of --

موفقیت ما توسط شبکه‌هایی که عضوش هستیم تعیین می‌شود--

that our networks can push us forward, they can pull us back.

And I was curious if we could use the knowledge and big data and expertise

کنجکاو بودم که آیا می‌توانیم از دانش و داده‌های کلان و تخصصی که

where we develop the networks

در رشته شبکه ایجاد کرده بودیم

to really quantify how these things happen.

در تعیین نحوه وقوع این اتفاقها استفاده کنیم.

This is a result from that.

این نتیجه‌اش است.

What you see here is a network of galleries in museums

آنچه که می‌بینید شبکه‌ای از گالریهای موزه‌هاست

that connect to each other.

که به هم متصلند.

And through this map that we mapped out last year,

و در این نقشه که ما پارسال تهیه کردیم،

we are able to predict very accurately the success of an artist

میتوانیم بسیار دقیق موفقیت یک هنرمند را پیشبینی کنیم

if you give me the first five exhibits that he or she had in their career.

اگر که اطلاعات پنج نمایشگاه اول از کار‌های او را به من بدهید.

Well, as we thought about success,

همانطور که درباره موفقیت فکر می‌کردیم،

we realized that success is not only about networks;

متوجه شدیم که موفقیت تنها به شبکه‌ها مربوط نمی‌شود:

there are so many other dimensions to that.

ابعاد دیگری نیز در آن دخیلند.

And one of the things we need for success, obviously,

قطعا یکی از مواردی که برای موفقیت لازم داریم،

is performance.

عملکرد است.

So let's define what's the difference between performance and success.

بیایید تفاوت میان عملکرد و موفقیت را توضیح دهیم.

Well, performance is what you do:

عملکرد آنچه که شما انجام می‌دهید است:

how fast you run, what kind of paintings you paint,

سرعت دویدنتان، نوع نقاشیهایی که می‌کشید،

what kind of papers you publish.

مقالاتی که منتشر می‌کنید.

However, in our working definition,

با این حال، در قاموس کاری ما،

success is about what the community notices from what you did,

موفقیت چیزی است که جامعه از آنچه شما کرده‌اید متوجه می‌شود،

from your performance:

از عملکرد شما:

How does it acknowledge it, and how does it reward you for it?

جامعه چطور آن را تایید می‌کند، و چطور بابتش به شما پاداش می‌دهد؟

In other terms,

به عبارت دیگر،

your performance is about you, but your success is about all of us.

عملکرد شما درباره شماست، اما موفقیت شما درباره همه ماست.

And this was a very important shift for us,

و این برای ما اهمیت بسزایی داشت،

because the moment we defined success as being a collective measure

چرا که وقتی موفقیت را امری جمعی تعریف کردیم

that the community provides to us,

که جامعه به ما ارائه می‌دهد،

it became measurable,

قابلیت اندازه‌گیری یافت،

because if it's in the community, there are multiple data points about that.

زیرا اگر در میان مردم باشد، داده نماهای زیادی نیز برایش موجود است.

So we go to school, we exercise, we practice,

ما به مدرسه می‌رویم، ورزش می‌کنیم، تمرین می‌کنیم،

because we believe that performance leads to success.

زیرا معتقدیم که عملکرد به موفقیت می‌انجامد.

But the way we actually started to explore,

اما وقتی در واقع شروع کردیم به کشف،

we realized that performance and success are very, very different animals

متوجه شدیم که عملکرد و موفقیت

when it comes to the mathematics of the problem.

از نظر ریاضی مسئله، دو جانور کاملا متفاوتند.

And let me illustrate that.

بگذارید با تصویر توضیح دهم.

So what you see here is the fastest man on earth, Usain Bolt.

اینجا سریعترین مرد کره زمین را می‌بینید، یوسین بولت.

And of course, he wins most of the competitions that he enters.

او در بیشتر مسابقاتش برنده می‌شود.

And we know he's the fastest on earth because we have a chronometer

می‌دانیم او سریعترین مرد جهان است چون زمان‌سنج داریم

to measure his speed.

تا سرعتش را اندازه بگیریم.

Well, what is interesting about him is that when he wins,

نکته جالب درباره او این است که وقتی برنده می‌شود،

he doesn't do so by really significantly outrunning his competition.

واقعا تفاوت چشمگیری با رقیبانش ندارد.

He's running at most a percent faster than the one who loses the race.

او حداکثر یک درصد از نفر دوم سریعتر می‌دود.

And not only does he run only one percent faster than the second one,

و نه‌ تنها فقط یک درصد تندتر از نفر دوم می‌دود،

but he doesn't run 10 times faster than I do --

بلکه ده برابر سریعتر از من هم نمی‌دود--

and I'm not a good runner, trust me on that.

و راستش را بخواهید، من دونده خوبی نیستم.

(Laughter)

(خنده حضار)

And every time we are able to measure performance,

و هر بار که میتوانیم عملکرد را بسنجیم،

we notice something very interesting;

نکته بسیار جالبی را درمی‌یابیم:

that is, performance is bounded.

این که عملکرد محدود است.

What it means is that there are no huge variations in human performance.

بدین معنی که عملکرد انسان گستره وسیعی ندارد.

It varies only in a narrow range,

تنوعش در چارچوب یک طیف باریک است،

and we do need the chronometer to measure the differences.

و ما برای سنجش تفاوتها به زمان‌سنج نیاز داریم.

This is not to say that we cannot see the good from the best ones,

این بدین معنی نیست که نمیتوانیم خوب را از بهترین تشخیص دهیم،

but the best ones are very hard to distinguish.

اما تشخیص بهترینها بسیار سخت است.

And the problem with that is that most of us work in areas

و مشکلش اینجاست که بیشتر ما در زمینه‌هایی کار میکنیم

where we do not have a chronometer to gauge our performance.

که زمان‌سنج برای سنجش عملکردمان نداریم.

Alright, performance is bounded,

بسیار خب، عملکرد محدود است،

there are no huge differences between us when it comes to our performance.

میان ما از نظر عملکرد تفاوت شاخصی وجود ندارد.

How about success?

موفقیت چطور؟

Well, let's switch to a different topic, like books.

خب، بیایید برویم سر موضوعی دیگر، مثلا کتاب.

One measure of success for writers is how many people read your work.

یک معیار موفقیت نویسندگان شمار خوانندگان کتابشان است.

And so when my previous book came out in 2009,

وقتی که کتاب قبلیم در ۲۰۰۹ بیرون آمد،

I was in Europe talking with my editor,

در اروپا بودم و با ویراستارم صحبت می‌کردم،

and I was interested: Who is the competition?

علاقمند بودم که بدانم: رقیبم کیست؟

And I had some fabulous ones.

چند رقیب عالی داشتم.

That week --

آن هفته --

(Laughter)

(خنده حاضران)

Dan Brown came out with "The Lost Symbol,"

دن براون با کتاب «نماد گمشده»

and "The Last Song" also came out,

و «آخرین آواز» نیز تازه منتشر شده بود،

Nicholas Sparks.

توسط نیکلاس اسپارکز.

And when you just look at the list,

وقتی به فهرست نگاه می‌کنید،

you realize, you know, performance-wise, there's hardly any difference

می‌بینید که از نظر عملکرد، تفاوت چندانی

between these books or mine.

بین آن کتابها و کتاب من نیست.

Right?

اینطور نیست؟

So maybe if Nicholas Sparks's team works a little harder,

اگر گروه نیکلاس اسپارکز کمی بیشتر کار می‌کرد،

he could easily be number one,

به راحتی می‌توانست اول باشد،

because it's almost by accident who ended up at the top.

چرا که رسیدن به صدر فهرست تقریبا تصادفی است.

So I said, let's look at the numbers -- I'm a data person, right?

گفتم بگذار به ارقام نگاه کنم، چون کارم با داده است. نه؟

So let's see what were the sales for Nicholas Sparks.

ببینیم فروش نیکلاس اسپارکز از چه قرار است.

And it turns out that that opening weekend,

معلوم می‌شود که در اولین آخر هفته،

Nicholas Sparks sold more than a hundred thousand copies,

نیکلاس اسپارکز بیش از صد هزار نسخه فروخت،

which is an amazing number.

که رقم فوق‌العاده‌ای است.

You can actually get to the top of the "New York Times" best-seller list

در واقع می‌توانید با فروش ده هزار نسخه در یک هفته

by selling 10,000 copies a week,

به صدر پرفروشهای «نیویورک تایمز» برسید

so he tenfold overcame what he needed to be number one.

یعنی او ده برابر بیشتر از رقم لازم برای اول شدن فروخته بود.

Yet he wasn't number one.

اما اول نشد.

Why?

چرا؟

Because there was Dan Brown, who sold 1.2 million copies that weekend.

چون دن براون در همان آخر هفته یک میلیون و ۲۰۰ هزار نسخه فروخت.

(Laughter)

(خنده حضار)

And the reason I like this number is because it shows that, really,

دلیل این که این ارقام را دوست دارم این است که دقیقا نشان می‌دهد،

when it comes to success, it's unbounded,

مسئله موفقیت بی‌حد وحصر است،

that the best doesn't only get slightly more than the second best

و بهترین تنها کمی بهتر از دومی نیست

but gets orders of magnitude more,

بلکه به مراتب بهتر است،

because success is a collective measure.

چرا که موفقیت یک معیار جمعی است.

We give it to them, rather than we earn it through our performance.

موفقیت را ما به آنها می‌دهیم، نه اینکه آن را با عملکرد خوبمان کسب کنیم.

So one of things we realized is that performance, what we do, is bounded,

پس یکی از نکاتی که دریافتیم این است که عملکرد، کاری که می‌کنیم، محدود است،

but success, which is collective, is unbounded,

اما موفقیت، که جمعی است، بی‌حد وحصر است،

which makes you wonder:

که شما را به این فکر وامی‌دارد:

How do you get these huge differences in success

چگونه چنین تفاوت عظیمی را در موفقیت دارید

when you have such tiny differences in performance?

وقتی که در عملکرد تفاوت چندانی نیست؟

And recently, I published a book that I devoted to that very question.

اخیرا کتابی منتشر کردم که موضوعش دقیقا همین است.

And they didn't give me enough time to go over all of that,

چون وقت زیادی به من نداده‌اند تا به همه مسائل بپردازم،

so I'm going to go back to the question of,

برمی‌گردم به همان سوال،

alright, you have success; when should that appear?

بسیار خب، موفقیت را دارید، کی باید پیدایش شود؟

So let's go back to the party spoiler and ask ourselves:

برگردیم به مهمانی خراب کن و از خودمان بپرسیم:

Why did Einstein make this ridiculous statement,

چرا انشتین این حرف مضحک را زد،

that only before 30 you could actually be creative?

که آدم فقط تا قبل از ۳۰ سالگی خلاق است؟

Well, because he looked around himself and he saw all these fabulous physicists

چون به اطرافش نگاه کرد و فیزیکدانهای فوق‌العاده‌ای را دید

that created quantum mechanics and modern physics,

که مکانیک کوانتوم و فیزیک مدرن را خلق کرده بودند

and they were all in their 20s and early 30s when they did so.

و دستاوردهایشان مربوط به زیر ۳۰سالگی یا در اوایل دهه ۳۰ زندگیشان بود.

And it's not only him.

فقط انشتین نبود.

It's not only observational bias,

فقط تعصب مشاهده‌ای نیست،

because there's actually a whole field of genius research

چون در واقع تمام پژوهش در زمینه نابغه‌ها

that has documented the fact that,

این واقعیت را ثبت کرده که،

if we look at the people we admire from the past

اگر افراد مربوط به گذشته که تحسین می‌کنیم را در نظر بگیریم

and then look at what age they made their biggest contribution,

و ببینیم که در چند سالگی مهمترین کارشان را کرده‌اند،

whether that's music, whether that's science,

چه موسیقی باشد، چه علم،

whether that's engineering,

و چه مهندسی،

most of them tend to do so in their 20s, 30s, early 40s at most.

اغلب بیست، سی یا در نهایت اوایل دهه چهل سالگی بوده‌اند.

But there's a problem with this genius research.

اما این تحقیق درباره نوابغ یک مشکل دارد.

Well, first of all, it created the impression to us

اول از همه این ذهنیت را القا میکند

that creativity equals youth,

که خلاقیت برابر است با جوانی،

which is painful, right?

که دردناک است. نه؟

(Laughter)

(خنده حضار)

And it also has an observational bias,

تازه دچار غرض‌ورزی مشاهده‌ای نیز هست،

because it only looks at geniuses and doesn't look at ordinary scientists

چرا که فقط نوابغ را در نظر می‌گیرد و به دانشمندان عادی نظری ندارد

and doesn't look at all of us and ask,

و به همه ما برنمی‌گردد و سوال نمی‌کند،

is it really true that creativity vanishes as we age?

که آیا واقعا حقیقت دارد که خلاقیت با سن زائل می‌شود؟

So that's exactly what we tried to do,

این دقیقا همان کاری است که تلاش کردیم بکنیم،

and this is important for that to actually have references.

و داشتن مرجع برای کارمان اهمیت داشت.

So let's look at an ordinary scientist like myself,

بیایید یک دانشمند عادی مثل خود من را در نظر بگیریم،

and let's look at my career.

و به کارم توجه کنیم.

So what you see here is all the papers that I've published

آنچه می‌بینید تمامی مقالاتی است که منتشر کرده‌ام

from my very first paper, in 1989; I was still in Romania when I did so,

از اولین مقاله‌هایم در ۱۹۸۹ که هنوز در رومانی بودم،

till kind of this year.

تا همین امسال.

And vertically, you see the impact of the paper,

و در خط عمودی تاثیر مقاله را می‌بینید،

that is, how many citations,

که در واقع شمار استنادها است،

how many other papers have been written that cited that work.

این که چند مقاله دیگر نوشته شده که به مقاله من استناد کرده‌اند.

And when you look at that,

وقتی به آن نگاه می‌کنید،

you see that my career has roughly three different stages.

می‌بینید که دوره حرفهای من سه مرحله مختلف دارد.

I had the first 10 years where I had to work a lot

ده سال اول که مجبور بودم سخت کار کنم

and I don't achieve much.

و دستاورد چندانی ندارم.

No one seems to care about what I do, right?

ظاهرا کسی به کار من اهمیتی نمی‌داد. درست است؟

There's hardly any impact.

تاثیر خاصی وجود ندارد.

(Laughter)

(خنده حاضران)

That time, I was doing material science,

آن زمان کارم علوم مواد بود.

and then I kind of discovered for myself networks

و بعد شبکه‌ها را کشف کردم

and then started publishing in networks.

و بعد شروع کردم به انتشار مقاله در زمینه شبکه‌ها.

And that led from one high-impact paper to the other one.

و هر مقاله موثر به مطلب موثر بعدی می‌انجامید.

And it really felt good. That was that stage of my career.

احساس فوق‌العاده‌ای داشت. بهترین مرحله کاری‌ام بود.

(Laughter)

(خنده حاضران)

So the question is, what happens right now?

سوال اینجاست که الان چه اتفاقی میافتد؟

And we don't know, because there hasn't been enough time passed yet

نمی‌دانیم، چون هنوز زمان کافی نگذشته

to actually figure out how much impact those papers will get;

تا دریابیم که این مقالات چقدر اثر می‌گذارند؛

it takes time to acquire.

این فرایند زمان می‌طلبد.

Well, when you look at the data,

وقتی که به آمار نگاه می‌کنید،

it seems to be that Einstein, the genius research, is right,

به نظر میرسد که انشتین، پژوهشگر نابغه درست می‌گوید،

and I'm at that stage of my career.

و من در آن مرحله از حیات کاری‌ام هستم.

(Laughter)

(خنده حضار)

So we said, OK, let's figure out how does this really happen,

گفتیم بسیارخب، بیایید ببینیم داستان واقعا از چه قرار است،

first in science.

اول در جهان دانش.

And in order not to have the selection bias,

برای این که دچار جانبداری اختیاری نشده،

to look only at geniuses,

و فقط نابغه‌ها را در نظر نگیریم،

we ended up reconstructing the career of every single scientist

نهایتا شروع کردیم به بازسازی حرفه تک‌تک دانشمندان

from 1900 till today

از ۱۹۰۰ تا امروز

and finding for all scientists what was their personal best,

و یافتن این که بهترین دستاورد شخصی هر یک از دانشمندان چه بوده،

whether they got the Nobel Prize or they never did,

چه جایزه نوبل گرفته باشند و چه خیر،

or no one knows what they did, even their personal best.

و هیچکس از کارشان خبر نداشته، حتی از مهمترین دستاورشان.

And that's what you see in this slide.

این موضوع در این تصویر دیده می‌شود.

Each line is a career,

هر خط یک شغل است،

and when you have a light blue dot on the top of that career,

و جایی که یک نقطه آبی روشن روی آن شغل می‌بینید،

it says that was their personal best.

معنایش بزرگترین دستاورد شخصی است.

And the question is,

سوال اینجاست که،

when did they actually make their biggest discovery?

آنها در واقع کی به بزرگترین کشف خود رسیدند؟

To quantify that,

برای سنجش این موضوع،

we look at what's the probability that you make your biggest discovery,

نگاه می‌کنیم به این که چقدر احتمال دارد که به بزرگترین کشفتان

let's say, one, two, three or 10 years into your career?

مثلا یک، دو، سه یا ده سال بعد از شروع کار برسید؟

We're not looking at real age.

ما به سن واقعی نگاه نمی‌کنیم.

We're looking at what we call "academic age."

به چیزی نگاه می‌کنیم به نام «سن آکادمیک.»

Your academic age starts when you publish your first papers.

سن آکادمیک وقتی شروع می‌شود که اولین مقالاتتان را منتشر کنید.

I know some of you are still babies.

می‌دانم که بعضی از شما هنوز بچه هستید.

(Laughter)

(خنده حضار)

So let's look at the probability

پس بیایید ببینیم احتمال این که

that you publish your highest-impact paper.

موثرترین مقاله‌تان را منتشر کنید چقدر است.

And what you see is, indeed, the genius research is right.

و می‌بینیم که تحقیق درباره نوابغ کاملا درست است.

Most scientists tend to publish their highest-impact paper

بیشتر دانشمندان موثرترین مقاله خود را

in the first 10, 15 years in their career,

در ۱۰-۱۵ سال اول کاری خود منتشر می‌کنند.

and it tanks after that.

و پس از آن روند سقوط میکند.

It tanks so fast that I'm about -- I'm exactly 30 years into my career,

آنقدر سریع کاهش می‌یابد که -- من دقیقا کارم را سی سال پیش شروع کردم،

and the chance that I will publish a paper that would have a higher impact

و شانس این که مقالهای منتشر کنم که

than anything that I did before

بیش از تمام کارهای قبلی‌ام موفق باشد

is less than one percent.

کمتر از یک درصد است.

I am in that stage of my career, according to this data.

من در آن مرحله از کارم هستم، طبق داده‌ها.

But there's a problem with that.

اما یک مشکلی دارد.

We're not doing controls properly.

ما کار کنترل را به خوبی انجام می‌دهیم.

So the control would be,

کنترل به این معنی که،

what would a scientist look like who makes random contribution to science?

دانشمندی که تصادفا به علم خدمت می‌کند، چه می‌شود؟

Or what is the productivity of the scientist?

یا سازندگی آن دانشمند چیست؟

When do they write papers?

کی مقاله می‌نویسد؟

So we measured the productivity,

ما سازندگی را بررسی کردیم،

and amazingly, the productivity,

و جالب این که سازندگی،

your likelihood of writing a paper in year one, 10 or 20 in your career,

احتمال نوشتن مقاله در سال اول، دهم یا بیستم کاری شما،

is indistinguishable from the likelihood of having the impact

از احتمال تاثیرگذاری آن

in that part of your career.

در آن بخش از زندگی کاری شما قابل تشخیص نیست.

And to make a long story short,

خلاصه کلام این که

after lots of statistical tests, there's only one explanation for that,

پس از آزمایشهای آماری فراوان، تنها یک توضیح برایش هست،

that really, the way we scientists work

روش کار ما دانشمندان

is that every single paper we write, every project we do,

این است که هر مقالهای که می‌نویسیم، هر پروژه‌ای که انجام میدهیم،

has exactly the same chance of being our personal best.

شانس کاملا برابر دارد برای این که بهترین کار ما شود.

That is, discovery is like a lottery ticket.

به این معنی که کشف، مثل بلیط بخت آزمایی است.

And the more lottery tickets we buy,

هرچه بلیط بیشتری بخریم،

the higher our chances.

شانسمان بیشتر می‌شود.

And it happens to be so

و همینطور است که

that most scientists buy most of their lottery tickets

بیشتر دانشمندان، بیشتر بلیطهای بخت‌آزماییشان را

in the first 10, 15 years of their career,

در ۱۰ الی ۱۵ سال اول کارشان می‌خرند،

and after that, their productivity decreases.

و پس از آن سازندگیشان کاهش می‌یابد.

They're not buying any more lottery tickets.

دیگر بلیط بخت‌آزمایی نمی‌خرند.

So it looks as if they would not be creative.

بنابراین اینطور به نظر می‌آید که دیگر خلاق نیستند.

In reality, they stopped trying.

در واقع، آنها دست از تلاش برداشته‌اند.

So when we actually put the data together, the conclusion is very simple:

وقتی داده‌ها را روی هم می‌گذاریم، نتیجه بسیار ساده است:

success can come at any time.

موفقیت هر زمانی ممکن است برسد.

It could be your very first or very last paper of your career.

می‌تواند اولین یا آخرین مقاله حرفهای شما باشد.

It's totally random in the space of the projects.

در فضای پروژهها موفقیت امری کاملا تصادفی است.

It is the productivity that changes.

این سازندگی است که تغییر می‌کند.

Let me illustrate that.

بگذارید برایتان توضیح دهم.

Here is Frank Wilczek, who got the Nobel Prize in Physics

این فرنک ویلچک است، برنده نوبل فیزیک

for the very first paper he ever wrote in his career as a graduate student.

برای اولین مقاله عمرش به عنوان دانشجوی فوق لیسانس.

(Laughter)

(خنده حاضران)

More interesting is John Fenn,

جالبتر از او جان فین است،

who, at age 70, was forcefully retired by Yale University.

که در ۷۰ سالگی به زور از دانشگاه ییل بازنشسته شد.

They shut his lab down,

آزمایشگاهش را تعطیل کردند،

and at that moment, he moved to Virginia Commonwealth University,

همان موقع به دانشگاه ویرجینیا نقل مکان کرد،

opened another lab,

و آزمایشگاه دیگری گشود،

and it is there, at age 72, that he published a paper

و در آنجا بود که در ۷۲ سالگی، مقاله‌ای منتشر ساخت

for which, 15 years later, he got the Nobel Prize for Chemistry.

که به خاطرش ۱۵ سال بعد جایزه نوبل صلح برای شیمی را گرفت.

And you think, OK, well, science is special,

با خودتان فکر می‌کنید، بسیار خب، علوم فرق دارد،

but what about other areas where we need to be creative?

اما زمینه‌های دیگری که باید در آنها خلاق باشیم چطور؟

So let me take another typical example: entrepreneurship.

بگذارید یک مثال دیگر برایتان بزنم:‌ کارآفرینی.

Silicon Valley,

سیلیکان ولی،

the land of the youth, right?

سرزمین جوانان، درست است؟

And indeed, when you look at it,

و وقتی که نگاهش می‌کنید،

you realize that the biggest awards, the TechCrunch Awards and other awards,

متوجه می‌شوید که بزرگترین جایزه‌ها، جوایز تک‌کرانچ و دیگر جوایز،

are all going to people

به افرادی تعلق می‌گیرد

whose average age is late 20s, very early 30s.

میانگین سنشان اواخر دهه ۲۰ سالگی، و اوایل سی سالگی باشد.

You look at who the VCs give the money to, some of the biggest VC firms --

کسانی که بزرگترین‌ شرکت‌های سرمایه‌گذار‌ی خطرپذیر بهشان پول می‌دهند را ببینید--

all people in their early 30s.

همگی در اوایل دهه سی سالگی هستند.

Which, of course, we know;

که، البته، می‌دانیم؛

there is this ethos in Silicon Valley that youth equals success.

که این در سیلیکان ولی مد است که بگویند جوانی برابر است با موفقیت.

Not when you look at the data,

وقتی به داده‌ها نگاه می‌کنید اینطور نیست،

because it's not only about forming a company --

زیرا این نه تنها درباره تشکیل شرکت است--

forming a company is like productivity, trying, trying, trying --

شرکت زدن مثل سازندگی است، تلاش، تلاش، تلاش--

when you look at which of these individuals actually put out

وقتی نگاه می‌کنید به این که کدام یک از این افراد در واقع

a successful company, a successful exit.

یک شرکت موفق، یک خروج موفق داشته.

And recently, some of our colleagues looked at exactly that question.

و اخیرا، برخی از همکاران ما‌ این پرسش را دقیق بررسی کردند.

And it turns out that yes, those in the 20s and 30s

و معلوم شد که بله، ۲۰ و ۳۰ ساله‌ها

put out a huge number of companies, form lots of companies,

شمار بزرگی از شرکت‌ها را ارائه می‌دهند، شرکت‌های زیادی می‌زنند،

but most of them go bust.

اما بسیاری از آن‌ها ورشکست می‌شوند.

And when you look at the successful exits, what you see in this particular plot,

و وقتی به خروجی‌های موفق نگاه می‌کنید، آنچه که در این طرح خاص می‌بینید،

the older you are, the more likely that you will actually hit the stock market

هر چه پیرتر باشید، احتمال این که دربازار سهام خوش بدرخشید

or the sell the company successfully.

یا شرکت را با موفقیت بفروشید بیشتر است.

This is so strong, actually, that if you are in the 50s,

در واقع شانس قوی وجود دارد که اگر در دهه ۵۰ سالگی باشید

you are twice as likely to actually have a successful exit

احتمال این که خروج موفقی داشته باشید دو برابر بیشتر است

than if you are in your 30s.

از وقتی که در دهه ۳۰ باشید.

(Applause)

(تشویق حاضران)

So in the end, what is it that we see, actually?

بنابراین در نهایت، این چیست که می‌بینیم؟

What we see is that creativity has no age.

آنچه که می‌بینیم این است که خلاقیت سن و سال ندارد.

Productivity does, right?

اما سازندگی دارد. درست است؟

Which is telling me that at the end of the day,

که به من می‌گوید در نهایت،

if you keep trying --

اگر تلاش کنید--

(Laughter)

(خنده حاضران)

you could still succeed and succeed over and over.

هنوز می‌توانید موفق شوید و بارها و بارها موفق شوید.

So my conclusion is very simple:

نتیجه‌گیری من بسیار ساده است:‌

I am off the stage, back in my lab.

صحنه را ترک می‌کنم و به آزمایشگاهم برمی‌گردم.

Thank you.

متشکرم.

(Applause)

(تشویق حضار)