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

285,456 views ・ 2019-09-03

TED


אנא לחץ פעמיים על הכתוביות באנגלית למטה כדי להפעיל את הסרטון.

תרגום: Tal Hemu עריכה: Allon Sasson
00:12
Today, actually, is a very special day for me,
0
12249
2266
היום הוא יום מאוד מיוחד עבורי,
00:14
because it is my birthday.
1
14539
2121
מכיוון שזהו יום ההולדת שלי.
00:16
(Applause)
2
16684
3973
(מחיאות כפיים)
00:20
And so, thanks to all of you for joining the party.
3
20681
3441
אז תודה לכולכם על שהצטרפתם למסיבה.
00:24
(Laughter)
4
24146
1167
(צחוק)
00:25
But every time you throw a party, there's someone there to spoil it. Right?
5
25337
4786
אבל בכל פעם שאתם עורכים מסיבה, נמצא מישהו שמקלקל לכם אותה. נכון?
00:30
(Laughter)
6
30147
1072
(צחוק)
00:31
And I'm a physicist,
7
31243
1359
ואני פיזיקאי,
00:32
and this time I brought another physicist along to do so.
8
32626
4157
והפעם הבאתי עוד פיזיקאי לעשות זאת.
00:36
His name is Albert Einstein -- also Albert -- and he's the one who said
9
36807
4562
שמו הוא אלברט איינשטיין -- גם אלברט -- והוא זה שאמר
00:41
that the person who has not made his great contributions to science
10
41393
4830
כי אדם שלא תרם את תרומתו הגדולה למדע
00:46
by the age of 30
11
46247
1559
עד גיל 30
00:47
will never do so.
12
47830
1396
לעולם לא יעשה זאת.
00:49
(Laughter)
13
49250
1012
(צחוק)
00:50
Now, you don't need to check Wikipedia
14
50286
2340
עכשיו, אתם לא צריכים לבדוק בויקיפדיה
00:52
that I'm beyond 30.
15
52650
1571
שאני אחרי גיל 30.
00:54
(Laughter)
16
54245
1416
(צחוק)
00:55
So, effectively, what he is telling me, and us,
17
55685
3606
אז למעשה, מה שהוא אומר לי, ולנו,
00:59
is that when it comes to my science,
18
59315
2544
שכשזה מגיע למדע שלי,
01:01
I'm deadwood.
19
61883
1203
אני חסר תועלת.
01:04
Well, luckily, I had my share of luck within my career.
20
64078
5586
למזלי, היה לי מזל בקריירה שלי.
01:10
Around age 28, I became very interested in networks,
21
70132
3822
בסביבות גיל 28, התחלתי להתעניין רבות ברשתות,
01:13
and a few years later, we managed to publish a few key papers
22
73978
4076
וכעבור כמה שנים, הצלחנו לפרסם מספר מאמרי מפתח
01:18
that reported the discovery of scale-free networks
23
78078
4097
שדיווחו על התגלית של רשתות Scale-free
01:22
and really gave birth to a new discipline that we call network science today.
24
82199
4578
והולידו תחום מחקר חדש שאנו קוראים לו היום מדע רשתות.
01:26
And if you really care about it, you can get a PhD now in network science
25
86801
3678
ואם זה מעניין אתכם, אתם יכולים לעשות היום דוקטורט במדע רשתות
01:30
in Budapest, in Boston,
26
90503
2028
בבודפשט, בבוסטון,
01:32
and you can study it all over the world.
27
92555
2308
וניתן ללמוד את זה בכל העולם.
01:35
A few years later,
28
95466
1595
כמה שנים לאחר-מכן,
01:37
when I moved to Harvard first as a sabbatical,
29
97085
3230
כשעברתי להרווארד תחילה כחלק משנת שבתון,
01:40
I became interested in another type of network:
30
100339
3092
התחלתי להתעניין בסוג אחר של רשתות:
01:43
that time, the networks within ourselves,
31
103455
3027
הפעם ברשתות בתוך עצמינו,
01:46
how the genes and the proteins and the metabolites link to each other
32
106506
3726
איך הגנים והחלבונים והמטבוליטים מקושרים זה לזה
01:50
and how they connect to disease.
33
110256
2493
ואיך הם קשורים למחלות.
01:53
And that interest led to a major explosion within medicine,
34
113368
4592
והעניין הזה הוביל לפיצוץ דרמטי ברפואה,
01:57
including the Network Medicine Division at Harvard,
35
117984
3979
כולל מחלקת רפואת הרשתות בהרוואד,
02:01
that has more than 300 researchers who are using this perspective
36
121987
3395
בה יש יותר מ-300 חוקרים המשתמשים בנקודת המבט הזו
02:05
to treat patients and develop new cures.
37
125406
2897
על-מנת לרפא חולים ולפתח תרופות חדשות.
02:09
And a few years ago,
38
129457
1770
ולפני מספר שנים,
02:11
I thought that I would take this idea of networks
39
131251
2526
חשבתי לקחת את רעיון הרשתות
02:13
and the expertise we had in networks
40
133801
1766
ואת המומחיות שיש לנו ברשתות
02:15
in a different area,
41
135591
1392
לתחום אחר,
02:17
that is, to understand success.
42
137007
1982
כלומר, להבנת הצלחה.
02:19
And why did we do that?
43
139704
1210
ומדוע עשינו זאת?
02:20
Well, we thought that, to some degree,
44
140938
2281
ובכן, חשבנו שבמידה מסויימת
02:23
our success is determined by the networks we're part of --
45
143243
3377
ההצלחה שלנו נקבעת על-פי הרשתות שאנו נמצאים בהן --
02:26
that our networks can push us forward, they can pull us back.
46
146644
3847
שהרשתות שלנו יכולות לדחוף אותנו קדימה, או למשוך אותנו אחורה.
02:30
And I was curious if we could use the knowledge and big data and expertise
47
150925
4128
והייתי סקרן לדעת האם אנו יכולים להשתמש בידע ובנתוני עתק והמומחיות
02:35
where we develop the networks
48
155077
1403
היכן שאנו מפתחים רשתות
02:36
to really quantify how these things happen.
49
156504
3296
כדי לכמת איך הדברים הללו קורים.
02:40
This is a result from that.
50
160404
1342
זו התוצאה.
02:41
What you see here is a network of galleries in museums
51
161770
2947
מה שאתם רואים כאן הן גלריות במוזיאונים
02:44
that connect to each other.
52
164741
1632
שמקושרות אחת לשניה.
02:46
And through this map that we mapped out last year,
53
166806
4055
ובאמצעות המפה הזו שיצרנו בשנה שעברה,
02:50
we are able to predict very accurately the success of an artist
54
170885
4848
אנו מסוגלים לחזות באופן מדויק את הצלחתו של אמן
02:55
if you give me the first five exhibits that he or she had in their career.
55
175757
4021
אם ניתנות לי חמשת הגלריות הראשונות שהוא או היא ערכו בקריירה שלהם.
03:01
Well, as we thought about success,
56
181404
2706
ובכן, כשחשבנו על הצלחה,
03:04
we realized that success is not only about networks;
57
184134
3067
הבנו שהצלחה אינה רק רשתות:
03:07
there are so many other dimensions to that.
58
187225
2396
יש לה עוד כל-כך הרבה מימדים אחרים.
03:10
And one of the things we need for success, obviously,
59
190145
3247
ואחד הדברים שאנו צריכים להצלחה, כמובן,
03:13
is performance.
60
193416
1170
הוא ביצועים.
03:14
So let's define what's the difference between performance and success.
61
194610
3504
אז בואו נגדיר מהו ההבדל בין ביצועים לבין הצלחה.
03:18
Well, performance is what you do:
62
198465
1997
ובכן, ביצועים זה מה שאתם עושים:
03:20
how fast you run, what kind of paintings you paint,
63
200486
3032
כמה מהר אתם רצים, איזה סוג של ציורים אתם מציירים,
03:23
what kind of papers you publish.
64
203542
1881
איזה סוג של מאמרים אתם מפרסמים.
03:25
However, in our working definition,
65
205835
2614
עם זאת, בהגדרת העבודה שלנו,
03:28
success is about what the community notices from what you did,
66
208473
4205
הצלחה היא במה הקהילה מבחינה מתוך מה שעשיתם,
03:32
from your performance:
67
212702
1612
מהביצועים שלכם:
03:34
How does it acknowledge it, and how does it reward you for it?
68
214338
4132
איך היא מכירה בהם, ואיך זה מתגמל אתכם?
03:38
In other terms,
69
218494
1182
במונחים אחרים,
03:39
your performance is about you, but your success is about all of us.
70
219700
4596
הביצועים שלכם קשורים אליכם, אבל ההצלחה שלכם קשורה בכולנו.
03:45
And this was a very important shift for us,
71
225392
3334
וזו הייתה תפנית מאוד חשובה עבורנו,
03:48
because the moment we defined success as being a collective measure
72
228750
4024
מכיוון שהרגע בו הגדרנו הצלחה כמדד קולקטיבי,
03:52
that the community provides to us,
73
232798
2106
שהקהילה מספקת לנו,
03:54
it became measurable,
74
234928
1510
היא הפכה למדידה,
03:56
because if it's in the community, there are multiple data points about that.
75
236462
4510
כי אם זה בקהילה, ישנן כמה נקודות השקפה על כך.
04:00
So we go to school, we exercise, we practice,
76
240996
5280
אז אנחנו הולכים לבית-ספר, אנחנו מתרגלים, מתאמנים,
04:06
because we believe that performance leads to success.
77
246300
2991
מכיוון שאנו מאמינים שביצועים מובילים להצלחה.
04:09
But the way we actually started to explore,
78
249832
2015
אך כשהתחלנו לחקור,
04:11
we realized that performance and success are very, very different animals
79
251871
3527
הבנו שביצועים והצלחה הן שתי חיות מאוד מאוד שונות
04:15
when it comes to the mathematics of the problem.
80
255422
2444
כשזה מגיע למתמטיקה של הבעיה.
04:18
And let me illustrate that.
81
258429
1432
ותנו לי להדגים זאת.
04:20
So what you see here is the fastest man on earth, Usain Bolt.
82
260329
4947
אז מה שאתם רואים כאן הוא האדם המהיר בעולם, יוסיין בולט.
04:25
And of course, he wins most of the competitions that he enters.
83
265832
3910
וכמובן, הוא מנצח את רוב התחרויות בהן הוא משתתף.
04:30
And we know he's the fastest on earth because we have a chronometer
84
270393
3175
ואנו יודעים שהוא האדם הכי מהיר בעולם מכיוון שיש לנו כרונומטר
04:33
to measure his speed.
85
273592
1160
שמודד את המהירות שלו.
04:34
Well, what is interesting about him is that when he wins,
86
274776
4119
ובכן, מה שמעניין בו זה שכשהוא מנצח,
04:38
he doesn't do so by really significantly outrunning his competition.
87
278919
5502
הוא לא עושה זאת בכך שהוא משיג בפער גדול את המתחרים שלו.
04:44
He's running at most a percent faster than the one who loses the race.
88
284445
4519
הוא רץ אחוז אחד מהר יותר מזה שמפסיד את המירוץ.
04:49
And not only does he run only one percent faster than the second one,
89
289631
3638
ולא די בכך שהוא רץ רק אחוז אחד מהר יותר מהמקום השני,
04:53
but he doesn't run 10 times faster than I do --
90
293293
2849
אלא שהוא לא רץ פי 10 מהר יותר ממני --
04:56
and I'm not a good runner, trust me on that.
91
296166
2181
ואני לא רץ טוב, סמכו עליי.
04:58
(Laughter)
92
298371
1197
(צחוק)
04:59
And every time we are able to measure performance,
93
299592
3502
ובכל פעם שאנו מודדים ביצועים,
05:03
we notice something very interesting;
94
303118
2050
אנו שמים לב למשהו מאוד מעניין:
05:05
that is, performance is bounded.
95
305192
2511
ביצועים הם דבר מוגבל.
05:07
What it means is that there are no huge variations in human performance.
96
307727
3757
הכוונה היא שאין גיוון גדול בביצועים אנושיים.
05:11
It varies only in a narrow range,
97
311508
3432
הם משתנים אך ורק בטווח צר,
05:14
and we do need the chronometer to measure the differences.
98
314964
3279
ואנו צריכים להשתמש בכרונומטר על-מנת למדוד את השינויים.
05:18
This is not to say that we cannot see the good from the best ones,
99
318267
3168
זה לא אומר שאנחנו לא יכולים לזהות את הטובים בין הטובים ביותר,
05:21
but the best ones are very hard to distinguish.
100
321459
2733
אבל בטובים ביותר קשה מאוד להבחין.
05:24
And the problem with that is that most of us work in areas
101
324216
2992
והבעיה כאן היא שרובנו עובדים בתחומים
05:27
where we do not have a chronometer to gauge our performance.
102
327232
3922
שאין בהם כרונומטר למדוד איתו את הביצועים שלנו.
05:31
Alright, performance is bounded,
103
331178
1564
בסדר, ביצועים הם דבר מוגבל,
05:32
there are no huge differences between us when it comes to our performance.
104
332766
3532
אין הבדלים ענקיים בינינו כשמדובר בביצועים.
05:36
How about success?
105
336322
1157
מה לגבי הצלחה?
05:37
Well, let's switch to a different topic, like books.
106
337995
2930
ובכן, בואו נחליף לנושא אחר, ספרים למשל.
05:40
One measure of success for writers is how many people read your work.
107
340949
5015
מדד אחד להצלחה של סופרים הוא כמה אנשים קראו את העבודה שלכם.
05:46
And so when my previous book came out in 2009,
108
346662
4410
וכשהספר הקודם שלי יצא לאור ב-2009,
05:51
I was in Europe talking with my editor,
109
351096
1902
הייתי באירופה ודיברתי עם העורך שלי,
05:53
and I was interested: Who is the competition?
110
353022
2462
ותהיתי: מי התחרות שלי?
05:56
And I had some fabulous ones.
111
356253
2735
והיו לי כמה נהדרים.
05:59
That week --
112
359012
1169
באותו השבוע --
06:00
(Laughter)
113
360205
1024
(צחוק)
06:01
Dan Brown came out with "The Lost Symbol,"
114
361253
3557
דן בראון יצא עם ספרו "הסמל האבוד",
06:04
and "The Last Song" also came out,
115
364834
2982
ו"השיר האחרון" גם יצא,
06:07
Nicholas Sparks.
116
367840
1429
ניקולס ספארקס.
06:09
And when you just look at the list,
117
369293
2988
ורק ממבט ברשימה,
06:12
you realize, you know, performance-wise, there's hardly any difference
118
372305
3453
אני מבין, אתם יודעים, כשמדובר בביצועים, אין כמעט הבדל
06:15
between these books or mine.
119
375782
1598
בין הספרים הללו לספר שלי.
06:17
Right?
120
377404
1175
נכון?
06:18
So maybe if Nicholas Sparks's team works a little harder,
121
378603
4668
אז אולי אם הצוות של ניקולס ספארקס יעבוד מעט קשה יותר,
06:23
he could easily be number one,
122
383295
1722
הוא יוכל להיות בקלות מספר אחד,
06:25
because it's almost by accident who ended up at the top.
123
385041
2898
מכיוון שהמקום הראשון הוכרע כמעט בטעות.
06:28
So I said, let's look at the numbers -- I'm a data person, right?
124
388486
3153
אז אמרתי, בוא נסתכל על המספרים -- אני איש של נתונים, נכון?
06:31
So let's see what were the sales for Nicholas Sparks.
125
391663
4318
בואו נראה מה היו המכירות של ניקולס ספארקס.
06:36
And it turns out that that opening weekend,
126
396005
2054
והתברר כי בסוף שבוע הפתיחה הזה,
06:38
Nicholas Sparks sold more than a hundred thousand copies,
127
398083
2975
ניקולס ספארקס מכר יותר ממאה אלף עותקים,
06:41
which is an amazing number.
128
401082
1705
שזה מספר מדהים.
06:42
You can actually get to the top of the "New York Times" best-seller list
129
402811
3396
אתם יכולים למעשה להגיע לראש רשימת רבי-המכר של ה"ניו-יורק טיימס"
06:46
by selling 10,000 copies a week,
130
406231
2110
ממכירת 10,000 עותקים בשבוע,
06:48
so he tenfold overcame what he needed to be number one.
131
408365
3752
אז הוא השיג פי 10 מהכמות הדרושה להיות מספר אחת.
06:52
Yet he wasn't number one.
132
412141
1430
ועדיין, הוא לא היה מספר אחת.
06:53
Why?
133
413595
1308
למה?
06:54
Because there was Dan Brown, who sold 1.2 million copies that weekend.
134
414927
4078
מכיוון שהיה את דן בראון, שמכר 1.2 מליון עותקים בסוף השבוע ההוא.
06:59
(Laughter)
135
419029
2136
(צחוק)
07:01
And the reason I like this number is because it shows that, really,
136
421189
3971
והסיבה שאני אוהב את המספר הזה היא שהוא מראה, באמת,
07:05
when it comes to success, it's unbounded,
137
425184
3730
כשמדובר בהצלחה, אין לה גבולות,
07:08
that the best doesn't only get slightly more than the second best
138
428938
5861
שהטוב ביותר לא משיג רק בקצת את המקום השני,
07:14
but gets orders of magnitude more,
139
434823
2697
אלא מקבל יותר בסדרי גודל עצומים,
07:17
because success is a collective measure.
140
437544
2794
מכיוון שהצלחה היא מדד קולקטיבי.
07:20
We give it to them, rather than we earn it through our performance.
141
440362
4376
אנחנו נותנים להם אותה, ולא מרוויחים אותה בזכות הביצועים שלנו.
07:24
So one of things we realized is that performance, what we do, is bounded,
142
444762
5376
אז אחד הדברים שהבנו הוא שביצועים, הדברים שאנו עושים, הם מוגבלים,
07:30
but success, which is collective, is unbounded,
143
450162
2682
אבל להצלחה, שהיא דבר קולקטיבי, אין גבולות,
07:32
which makes you wonder:
144
452868
1312
מה שמביא אתכם לתהות:
07:34
How do you get these huge differences in success
145
454204
2911
איך משיגים את ההבדלים הגדולים האלה בהצלחה
07:37
when you have such tiny differences in performance?
146
457139
2906
כשישנם מעט כל-כך הבדלים בביצועים?
07:40
And recently, I published a book that I devoted to that very question.
147
460537
3787
ולאחרונה, פרסמתי ספר שמוקדש לשאלה הזו בדיוק.
07:44
And they didn't give me enough time to go over all of that,
148
464348
2839
ולא נתנו לי מספיק זמן להסביר את כל זה,
07:47
so I'm going to go back to the question of,
149
467211
2071
אז אני חוזר לשאלה,
07:49
alright, you have success; when should that appear?
150
469306
3135
בסדר, לגבי הצלחה: מתי היא אמורה להופיע?
07:52
So let's go back to the party spoiler and ask ourselves:
151
472465
3758
אז בואו נחזור למקלקל המסיבה ונשאל את עצמנו:
07:57
Why did Einstein make this ridiculous statement,
152
477215
3339
למה איינשטיין קבע את האימרה המטופשת הזו,
08:00
that only before 30 you could actually be creative?
153
480578
3156
שרק לפני גיל 30 ניתן באמת להיות יצירתי?
08:03
Well, because he looked around himself and he saw all these fabulous physicists
154
483758
4680
ובכן, משום שהוא הביט סביבו וראה את כל הפיזיקאים הנהדרים האלו
08:08
that created quantum mechanics and modern physics,
155
488462
2587
שיצרו את מכניקת הקוונטים ופיזיקה מודרנית,
08:11
and they were all in their 20s and early 30s when they did so.
156
491073
3736
וכולם היו בשנות ה-20 וה-30 המוקדמות לחייהם כשעשו זאת.
08:15
And it's not only him.
157
495730
1220
וזה לא רק הוא.
08:16
It's not only observational bias,
158
496974
1623
זה לא רק דעה קדומה הסתכלותית,
08:18
because there's actually a whole field of genius research
159
498621
3997
מפני שישנו תחום שלם של חקר הגאונות
08:22
that has documented the fact that,
160
502642
2256
שתיעד את העובדה כי
08:24
if we look at the people we admire from the past
161
504922
3160
אם אנו מסתכלים על האנשים שאנו מעריצים מהעבר
08:28
and then look at what age they made their biggest contribution,
162
508106
3358
ורואים באיזה גיל הם תרמו את תרומתם הגדולה,
08:31
whether that's music, whether that's science,
163
511488
2096
בין אם זה מוזיקה, בין אם זה מדע,
08:33
whether that's engineering,
164
513608
1619
בין אם זה הנדסה,
08:35
most of them tend to do so in their 20s, 30s, early 40s at most.
165
515251
6123
רובם עשו זאת בגילאי ה-20, 30, תחילת גיל ה-40 לכל היותר.
08:41
But there's a problem with this genius research.
166
521914
2791
אך יש בעיה עם חקר הגאונות הזה.
08:45
Well, first of all, it created the impression to us
167
525197
3280
ובכן, קודם כל, הוא יצר לנו את הרושם
08:48
that creativity equals youth,
168
528501
3479
שיצירתיות משמעה נעורים,
08:52
which is painful, right?
169
532004
1610
וזה כואב, נכון?
08:53
(Laughter)
170
533638
1951
(צחוק)
08:55
And it also has an observational bias,
171
535613
4088
וגם יש לו הסתכלות מוטית,
08:59
because it only looks at geniuses and doesn't look at ordinary scientists
172
539725
4962
משום שהוא מסתכל רק על גאונים ולא על מדענים רגילים
09:04
and doesn't look at all of us and ask,
173
544711
1965
ולא מסתכל על כולנו ושואל,
09:06
is it really true that creativity vanishes as we age?
174
546700
3185
האם זה באמת נכון שיצירתיות נעלמת עם הגיל?
09:10
So that's exactly what we tried to do,
175
550382
1877
אז זה בדיוק מה שניסינו לעשות,
09:12
and this is important for that to actually have references.
176
552283
3803
וחשוב שיהיה למה להשוות.
09:16
So let's look at an ordinary scientist like myself,
177
556110
2643
אז בואו נסתכל על מדענים רגילים כמותי,
09:18
and let's look at my career.
178
558777
1522
ונסתכל על הקריירה שלי.
09:20
So what you see here is all the papers that I've published
179
560323
3202
אז מה שאתם רואים כאן הם כל המאמרים שאי פעם פרסמתי
09:23
from my very first paper, in 1989; I was still in Romania when I did so,
180
563549
5115
מהמאמר הראשון שלי, ב-1989; הייתי עדיין ברומניה כשכתבתי אותו,
09:28
till kind of this year.
181
568688
1593
עד השנה בערך.
09:30
And vertically, you see the impact of the paper,
182
570940
2518
ואנכית, אתם רואים את ההשפעה של המאמר,
09:33
that is, how many citations,
183
573482
1403
הכוונה היא, כמה ציטוטים,
09:34
how many other papers have been written that cited that work.
184
574909
3988
כמה מאמרים אחרים נכתבו והזכירו את העבודה הזו.
09:39
And when you look at that,
185
579397
1300
וכאשר אתם מסתכלים על זה,
09:40
you see that my career has roughly three different stages.
186
580721
2813
אתם רואים שלקריירה שלי ישנן שלוש תקופות.
09:43
I had the first 10 years where I had to work a lot
187
583558
2435
יש את ה-10 שנים הראשונות כשהייתי צריך לעבוד המון
09:46
and I don't achieve much.
188
586017
1276
ולא השגתי הרבה.
09:47
No one seems to care about what I do, right?
189
587317
2118
לא נראה שלמישהו אכפת ממה שאני עושה, נכון?
09:49
There's hardly any impact.
190
589459
1681
אין כמעט השפעה.
09:51
(Laughter)
191
591164
1404
(צחוק)
09:52
That time, I was doing material science,
192
592592
2887
בתקופה הזו עסקתי במדעי החומר,
09:55
and then I kind of discovered for myself networks
193
595503
3691
ואז בערך גיליתי את הרשתות
09:59
and then started publishing in networks.
194
599218
1947
והתחלתי לפרסם על רשתות.
10:01
And that led from one high-impact paper to the other one.
195
601189
3073
וזה הוביל למאמר רב-השפעה אחד לשני.
10:04
And it really felt good. That was that stage of my career.
196
604286
3104
וזה הרגיש מאוד טוב. זה היה השלב בקריירה שלי.
10:07
(Laughter)
197
607414
1282
(צחוק)
10:08
So the question is, what happens right now?
198
608720
3208
אז, השאלה היא, מה קורה עכשיו?
10:12
And we don't know, because there hasn't been enough time passed yet
199
612587
3239
ואנחנו לא יודעים, מכיוון שעדיין לא עבר מספיק זמן
10:15
to actually figure out how much impact those papers will get;
200
615850
2987
כדי באמת לשער כמה השפעה תהיה למאמרים האלו;
10:18
it takes time to acquire.
201
618861
1227
זה לוקח זמן להשיג.
10:20
Well, when you look at the data,
202
620112
1569
ובכן, כשאתם מסתכלים על הנתונים,
10:21
it seems to be that Einstein, the genius research, is right,
203
621705
2854
זה נראה כי איינשטיין, מחקר הגאונות, צודקים,
10:24
and I'm at that stage of my career.
204
624583
1811
ואני בשלב הזה בקריירה שלי.
10:26
(Laughter)
205
626418
2308
(צחוק)
10:28
So we said, OK, let's figure out how does this really happen,
206
628750
5974
ולכן אמרנו, בסדר, בואו נפענח איך זה באמת קורה,
10:34
first in science.
207
634748
1778
קודם במדע.
10:36
And in order not to have the selection bias,
208
636550
3632
ועל-מנת לא להיות בעלי הסתכלות מוטית,
10:40
to look only at geniuses,
209
640206
1337
לא להסתכל רק על גאונים,
10:41
we ended up reconstructing the career of every single scientist
210
641567
3716
מצאנו את עצמנו בסופו של דבר משחזרים את הקריירה של כל מדען
10:45
from 1900 till today
211
645307
2502
מ-1900 ועד היום
10:47
and finding for all scientists what was their personal best,
212
647833
3712
ומוצאים לכל המדענים את השיאים האישיים שלהם,
10:51
whether they got the Nobel Prize or they never did,
213
651569
2812
האם הם קיבלו פרס נובל או לא,
10:54
or no one knows what they did, even their personal best.
214
654405
3407
או שאיש לא יודע מה הם עשו, אפילו לא את שיאם האישי.
10:57
And that's what you see in this slide.
215
657836
1915
וזה מה שאתם רואים בשקופית הזו.
10:59
Each line is a career,
216
659775
1573
כל קו הוא קריירה,
11:01
and when you have a light blue dot on the top of that career,
217
661372
3003
וכשמופיעה נקודה כחולה בהירה מעל קריירה,
11:04
it says that was their personal best.
218
664399
2040
זה אומר שזה היה השיא האישי שלהם.
11:06
And the question is,
219
666463
1155
והשאלה היא,
11:07
when did they actually make their biggest discovery?
220
667642
3568
מתי הם תרמו את תרומתם הגדולה ביותר?
11:11
To quantify that,
221
671234
1165
כדי לכמת זאת,
11:12
we look at what's the probability that you make your biggest discovery,
222
672423
3376
הסתכלנו על מהי הסבירות שתתרום את תרומתך הגדולה,
11:15
let's say, one, two, three or 10 years into your career?
223
675823
2672
נגיד, שנה, שנתיים, שלוש, או 10 שנים לתוך הקריירה שלכם?
11:18
We're not looking at real age.
224
678519
1480
אנחנו לא מסתכלים על גיל אמיתי.
11:20
We're looking at what we call "academic age."
225
680023
2134
אנו מסתכלים על מה שקראנו לו "הגיל האקדמי".
11:22
Your academic age starts when you publish your first papers.
226
682181
3250
הגיל האקדמי שלכם מתחיל כאשר אתם מפרסמים את המאמר הראשון שלכם.
11:25
I know some of you are still babies.
227
685455
1779
אני יודע שכמה מכם עדיין תינוקות.
11:27
(Laughter)
228
687258
1397
(צחוק)
11:28
So let's look at the probability
229
688679
2706
אז בואו נסתכל על הסבירות
11:31
that you publish your highest-impact paper.
230
691409
2066
שתפרסמו את המאמר בעל הכי הרבה השפעה שלכם.
11:33
And what you see is, indeed, the genius research is right.
231
693499
3071
ומה שאתם רואים הוא, אכן, חקר הגאונות צודק.
11:36
Most scientists tend to publish their highest-impact paper
232
696594
3024
רוב המדענים נוטים לפרסם את מאמריהם בעלי ההשפעה הגדולה ביותר
11:39
in the first 10, 15 years in their career,
233
699642
2899
ב-10, 15 שנים הראשונות לקריירה שלהם,
11:42
and it tanks after that.
234
702565
3133
וזה צונח לאחר-מכן.
11:45
It tanks so fast that I'm about -- I'm exactly 30 years into my career,
235
705722
5107
זה צונח כל-כך מהר שאני עומד -- אני בדיוק ב-30 שנה לקריירה שלי,
11:50
and the chance that I will publish a paper that would have a higher impact
236
710853
3540
והסיכוי שאפרסם מאמר שיהיה בעל השפעה גדולה יותר
11:54
than anything that I did before
237
714417
1940
מכל מה שעשיתי עד עכשיו
11:56
is less than one percent.
238
716381
1353
הוא פחות מאחוז.
11:57
I am in that stage of my career, according to this data.
239
717758
3049
אני בשלב הזה בקריירה שלי, בהתבסס על הנתונים האלה.
12:01
But there's a problem with that.
240
721648
1843
אך יש בעיה עם זה.
12:03
We're not doing controls properly.
241
723515
3675
אנחנו לא מבצעים בקרה כמו שצריך.
12:07
So the control would be,
242
727214
1417
אז הבקרה צריכה להיות,
12:08
what would a scientist look like who makes random contribution to science?
243
728655
4607
איך ייראה מדען שתורם תרומות רנדומליות למדע?
12:13
Or what is the productivity of the scientist?
244
733286
2995
או מה הפרודוקטיביות של המדען הזה?
12:16
When do they write papers?
245
736305
2006
מתי הם כותבים מאמרים?
12:18
So we measured the productivity,
246
738335
2444
אז מדדנו את הפרודוקטיביות,
12:20
and amazingly, the productivity,
247
740803
2052
ובאופן מדהים, הפרודוקטיביות,
12:22
your likelihood of writing a paper in year one, 10 or 20 in your career,
248
742879
4131
הסבירות שתכתבו מאמר בשנה הראשונה, העשירית או ה-20 שלכם בקריירה,
12:27
is indistinguishable from the likelihood of having the impact
249
747034
3606
היא בלתי ניתנת להבחנה מהסבירות להשפיע
12:30
in that part of your career.
250
750664
1775
בשלב הזה בקריירה שלכם.
12:33
And to make a long story short,
251
753026
1783
ובקצרה,
12:34
after lots of statistical tests, there's only one explanation for that,
252
754833
4228
אחרי הרבה מבחני סטטיסטיקה, ישנו רק הסבר אחד לזה,
12:39
that really, the way we scientists work
253
759085
2894
והוא שהדרך בה אנו המדענים עובדים
12:42
is that every single paper we write, every project we do,
254
762003
3633
היא שכל מאמר שאנו כותבים, כל פרוייקט שאנו עושים,
12:45
has exactly the same chance of being our personal best.
255
765660
4160
יש לו בדיוק את אותו הסיכוי להיות השיא האישי שלנו.
12:49
That is, discovery is like a lottery ticket.
256
769844
4953
זה אומר שתגלית היא כמו כרטיס הגרלה.
12:54
And the more lottery tickets we buy,
257
774821
2351
וככל שנקנה יותר כרטיסי הגרלה,
12:57
the higher our chances.
258
777196
1507
גדלים הסיכויים שלנו.
12:58
And it happens to be so
259
778727
1559
ויצא שכך זה קורה
13:00
that most scientists buy most of their lottery tickets
260
780310
2719
מפני שרוב המדענים קונים את רוב כרטיסי ההגרלה
13:03
in the first 10, 15 years of their career,
261
783053
2460
ב-10, 15 השנים הראשונות בקריירה שלהם,
13:05
and after that, their productivity decreases.
262
785537
3413
ואחר-כך, הפרודוקטיביות יורדת.
13:09
They're not buying any more lottery tickets.
263
789411
2084
הם לא קונים יותר כרטיסי הגרלה.
13:11
So it looks as if they would not be creative.
264
791519
3444
אז נראה כאילו הם לא יצירתיים.
13:14
In reality, they stopped trying.
265
794987
1999
המציאות היא, שהם הפסיקו לנסות.
13:17
So when we actually put the data together, the conclusion is very simple:
266
797509
3915
אז כשאנחנו מחברים את כל הנתונים יחד, המסקנה היא מאוד פשוטה:
13:21
success can come at any time.
267
801448
2331
הצלחה יכולה להגיע בכל זמן.
13:23
It could be your very first or very last paper of your career.
268
803803
3735
היא יכולה להיות מאמרכם הראשון או המאמר האחרון בהחלט בקריירה שלכם.
13:27
It's totally random in the space of the projects.
269
807562
4288
זה רנדומלי לגמרי מבחינת תחומי הפרוייקטים.
13:31
It is the productivity that changes.
270
811874
1931
זו הפרודוקטיביות שמשתנה.
13:33
Let me illustrate that.
271
813829
1252
תנו לי להדגים לכם זאת.
13:35
Here is Frank Wilczek, who got the Nobel Prize in Physics
272
815105
3269
זהו פרנק וילצ'ק שזכה בפרס נובל בפיזיקה
13:38
for the very first paper he ever wrote in his career as a graduate student.
273
818398
4101
על מאמר הראשון שאי פעם כתב בקריירה שלו כבוגר אוניברסיטה.
13:42
(Laughter)
274
822523
1007
(צחוק)
13:43
More interesting is John Fenn,
275
823554
3218
מעניין מכך הוא ג'ון פן,
13:46
who, at age 70, was forcefully retired by Yale University.
276
826796
4598
שבגיל 70 אולץ לצאת לפנסיה על-ידי אוניברסיטת ייל.
13:51
They shut his lab down,
277
831418
2056
הם סגרו את המעבדה שלו,
13:53
and at that moment, he moved to Virginia Commonwealth University,
278
833498
3666
ובאותו הרגע הוא עבר לאוניברסיטה הקהילתית בווירג'יניה,
13:57
opened another lab,
279
837188
1786
פתח מעבדה נוספת,
13:58
and it is there, at age 72, that he published a paper
280
838998
3033
וזהו המקום בו, בגיל 72, פרסם מאמר
14:02
for which, 15 years later, he got the Nobel Prize for Chemistry.
281
842055
3845
עליו, אחרי 15 שנה, זכה בפרס נובל לכימיה.
14:06
And you think, OK, well, science is special,
282
846940
3042
ואתם חושבים, בסדר, טוב, המדע הוא מיוחד,
14:10
but what about other areas where we need to be creative?
283
850006
3463
אבל מה בנוגע לשאר התחומים שאנו צריכים להיות יצירתיים בהם?
14:13
So let me take another typical example: entrepreneurship.
284
853493
4936
אז בואו ניקח עוד דוגמא טיפוסית: יזמות.
14:18
Silicon Valley,
285
858834
1579
עמק הסיליקון,
14:20
the land of the youth, right?
286
860437
2066
ארץ הנעורים, נכון?
14:22
And indeed, when you look at it,
287
862527
1595
ואכן, כשמסתכלים על זה,
14:24
you realize that the biggest awards, the TechCrunch Awards and other awards,
288
864146
4642
מבינים שהפרסים הגדולים ביותר, פרסי ה-TechCrunch ופרסים נוספים,
14:28
are all going to people
289
868812
2173
כולם הולכים לאנשים
14:31
whose average age is late 20s, very early 30s.
290
871009
5015
שגילם הממוצע הוא שנות ה-20 המאוחרות, שנות-30 המאוד מוקדמות.
14:36
You look at who the VCs give the money to, some of the biggest VC firms --
291
876465
5602
אתם רואים למי קרנות הון סיכון נותנות כסף, כמה מהקרנות הגדולות ביותר --
14:42
all people in their early 30s.
292
882091
2241
כולם אנשים בתחילת שנות ה-30 שלהם.
14:44
Which, of course, we know;
293
884951
1265
ואנו יודעים, כמובן;
14:46
there is this ethos in Silicon Valley that youth equals success.
294
886240
4453
ישנו אתוס בעמק הסיליקון שנעורים שווים הצלחה.
14:51
Not when you look at the data,
295
891653
2183
לא רק כשמסתכלים על הנתונים,
14:53
because it's not only about forming a company --
296
893860
2304
כי לא מדובר רק בהקמת חברה --
14:56
forming a company is like productivity, trying, trying, trying --
297
896188
3140
הקמת חברה זה כמו פרודוקטיביות, לנסות, לנסות, לנסות --
14:59
when you look at which of these individuals actually put out
298
899352
3484
כשאתם מסתכלים על אילו מבין האנשים האלו הובילו
15:02
a successful company, a successful exit.
299
902860
2782
לחברה מצליחה, אקזיט מצליח.
15:05
And recently, some of our colleagues looked at exactly that question.
300
905666
3720
ולאחרונה, כמה מהקולגות שלנו בחנו את השאלה הזו בדיוק.
15:09
And it turns out that yes, those in the 20s and 30s
301
909410
3156
ומתברר שכן, אלו בשנות ה-20 וה-30 לחייהם
15:12
put out a huge number of companies, form lots of companies,
302
912590
3348
מקימים מספר חברות ענק, מקימים המון חברות,
15:15
but most of them go bust.
303
915962
1531
אך רובן פושטות את הרגל.
15:18
And when you look at the successful exits, what you see in this particular plot,
304
918089
4195
וכשמסתכלים על האקזיטים המצליחים, מה שניתן לראות בגרף המסוים הזו,
15:22
the older you are, the more likely that you will actually hit the stock market
305
922308
3695
ככל שאתם מבוגרים יותר, ישנה סבירות גדולה יותר שתביאו את המכה בבורסה
15:26
or the sell the company successfully.
306
926027
2312
או שתמכרו את החברה בהצלחה.
15:28
This is so strong, actually, that if you are in the 50s,
307
928847
3113
זה כל-כך חזק, למעשה, שאם אתם בשנות ה-50 שלכם,
15:31
you are twice as likely to actually have a successful exit
308
931984
3588
אתם בעלי סבירות גדולה פי שתיים לבצע אקזיט מוצלח
15:35
than if you are in your 30s.
309
935596
1890
מאשר כשאתם בני 30.
15:38
(Applause)
310
938613
4325
(מחיאות כפיים)
15:43
So in the end, what is it that we see, actually?
311
943645
3009
אז, בסופו של דבר, מה אנחנו באמת רואים?
15:46
What we see is that creativity has no age.
312
946678
4083
מה שאנו רואים זה שליצירתיות אין גיל.
15:50
Productivity does, right?
313
950785
2202
לפרודוקטיביות יש, נכון?
15:53
Which is telling me that at the end of the day,
314
953424
4135
מה שאומר לי שבסופו של יום,
15:57
if you keep trying --
315
957583
2000
אם תמשיכו לנסות --
15:59
(Laughter)
316
959607
2403
(צחוק)
16:02
you could still succeed and succeed over and over.
317
962034
3572
אתם עדיין יכולים להצליח שוב ושוב.
16:05
So my conclusion is very simple:
318
965630
2391
אז המסקנה שלי היא מאוד פשוטה:
16:08
I am off the stage, back in my lab.
319
968045
2093
אני יורד מהבמה וחוזר למעבדה שלי.
16:10
Thank you.
320
970162
1171
תודה רבה.
16:11
(Applause)
321
971357
3309
(מחיאות כפיים)
על אתר זה

אתר זה יציג בפניכם סרטוני YouTube המועילים ללימוד אנגלית. תוכלו לראות שיעורי אנגלית המועברים על ידי מורים מהשורה הראשונה מרחבי העולם. לחץ פעמיים על הכתוביות באנגלית המוצגות בכל דף וידאו כדי להפעיל את הסרטון משם. הכתוביות גוללות בסנכרון עם הפעלת הווידאו. אם יש לך הערות או בקשות, אנא צור איתנו קשר באמצעות טופס יצירת קשר זה.

https://forms.gle/WvT1wiN1qDtmnspy7