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

תרגום: Tal Hemu עריכה: Allon Sasson

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

היום הוא יום מאוד מיוחד עבורי,

because it is my birthday.

מכיוון שזהו יום ההולדת שלי.

(Applause)

(מחיאות כפיים)

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

אז תודה לכולכם על שהצטרפתם למסיבה.

(Laughter)

(צחוק)

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

אבל בכל פעם שאתם עורכים מסיבה, נמצא מישהו שמקלקל לכם אותה. נכון?

(Laughter)

(צחוק)

And I'm a physicist,

ואני פיזיקאי,

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

והפעם הבאתי עוד פיזיקאי לעשות זאת.

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

שמו הוא אלברט איינשטיין -- גם אלברט -- והוא זה שאמר

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

כי אדם שלא תרם את תרומתו הגדולה למדע

by the age of 30

עד גיל 30

will never do so.

לעולם לא יעשה זאת.

(Laughter)

(צחוק)

Now, you don't need to check Wikipedia

עכשיו, אתם לא צריכים לבדוק בויקיפדיה

that I'm beyond 30.

שאני אחרי גיל 30.

(Laughter)

(צחוק)

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

אז למעשה, מה שהוא אומר לי, ולנו,

is that when it comes to my science,

שכשזה מגיע למדע שלי,

I'm deadwood.

אני חסר תועלת.

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

למזלי, היה לי מזל בקריירה שלי.

Around age 28, I became very interested in networks,

בסביבות גיל 28, התחלתי להתעניין רבות ברשתות,

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

וכעבור כמה שנים, הצלחנו לפרסם מספר מאמרי מפתח

that reported the discovery of scale-free networks

שדיווחו על התגלית של רשתות Scale-free

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

והולידו תחום מחקר חדש שאנו קוראים לו היום מדע רשתות.

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

ואם זה מעניין אתכם, אתם יכולים לעשות היום דוקטורט במדע רשתות

in Budapest, in Boston,

בבודפשט, בבוסטון,

and you can study it all over the world.

וניתן ללמוד את זה בכל העולם.

A few years later,

כמה שנים לאחר-מכן,

when I moved to Harvard first as a sabbatical,

כשעברתי להרווארד תחילה כחלק משנת שבתון,

I became interested in another type of network:

התחלתי להתעניין בסוג אחר של רשתות:

that time, the networks within ourselves,

הפעם ברשתות בתוך עצמינו,

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

איך הגנים והחלבונים והמטבוליטים מקושרים זה לזה

and how they connect to disease.

ואיך הם קשורים למחלות.

And that interest led to a major explosion within medicine,

והעניין הזה הוביל לפיצוץ דרמטי ברפואה,

including the Network Medicine Division at Harvard,

כולל מחלקת רפואת הרשתות בהרוואד,

that has more than 300 researchers who are using this perspective

בה יש יותר מ-300 חוקרים המשתמשים בנקודת המבט הזו

to treat patients and develop new cures.

על-מנת לרפא חולים ולפתח תרופות חדשות.

And a few years ago,

ולפני מספר שנים,

I thought that I would take this idea of networks

חשבתי לקחת את רעיון הרשתות

and the expertise we had in networks

ואת המומחיות שיש לנו ברשתות

in a different area,

לתחום אחר,

that is, to understand success.

כלומר, להבנת הצלחה.

And why did we do that?

ומדוע עשינו זאת?

Well, we thought that, to some degree,

ובכן, חשבנו שבמידה מסויימת

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

ההצלחה שלנו נקבעת על-פי הרשתות שאנו נמצאים בהן --

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

שהרשתות שלנו יכולות לדחוף אותנו קדימה, או למשוך אותנו אחורה.

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

והייתי סקרן לדעת האם אנו יכולים להשתמש בידע ובנתוני עתק והמומחיות

where we develop the networks

היכן שאנו מפתחים רשתות

to really quantify how these things happen.

כדי לכמת איך הדברים הללו קורים.

This is a result from that.

זו התוצאה.

What you see here is a network of galleries in museums

מה שאתם רואים כאן הן גלריות במוזיאונים

that connect to each other.

שמקושרות אחת לשניה.

And through this map that we mapped out last year,

ובאמצעות המפה הזו שיצרנו בשנה שעברה,

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

אנו מסוגלים לחזות באופן מדויק את הצלחתו של אמן

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

אם ניתנות לי חמשת הגלריות הראשונות שהוא או היא ערכו בקריירה שלהם.

Well, as we thought about success,

ובכן, כשחשבנו על הצלחה,

we realized that success is not only about networks;

הבנו שהצלחה אינה רק רשתות:

there are so many other dimensions to that.

יש לה עוד כל-כך הרבה מימדים אחרים.

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

ואחד הדברים שאנו צריכים להצלחה, כמובן,

is performance.

הוא ביצועים.

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

אז בואו נגדיר מהו ההבדל בין ביצועים לבין הצלחה.

Well, performance is what you do:

ובכן, ביצועים זה מה שאתם עושים:

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

כמה מהר אתם רצים, איזה סוג של ציורים אתם מציירים,

what kind of papers you publish.

איזה סוג של מאמרים אתם מפרסמים.

However, in our working definition,

עם זאת, בהגדרת העבודה שלנו,

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

הצלחה היא במה הקהילה מבחינה מתוך מה שעשיתם,

from your performance:

מהביצועים שלכם:

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

איך היא מכירה בהם, ואיך זה מתגמל אתכם?

In other terms,

במונחים אחרים,

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

הביצועים שלכם קשורים אליכם, אבל ההצלחה שלכם קשורה בכולנו.

And this was a very important shift for us,

וזו הייתה תפנית מאוד חשובה עבורנו,

because the moment we defined success as being a collective measure

מכיוון שהרגע בו הגדרנו הצלחה כמדד קולקטיבי,

that the community provides to us,

שהקהילה מספקת לנו,

it became measurable,

היא הפכה למדידה,

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

כי אם זה בקהילה, ישנן כמה נקודות השקפה על כך.

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

אז אנחנו הולכים לבית-ספר, אנחנו מתרגלים, מתאמנים,

because we believe that performance leads to success.

מכיוון שאנו מאמינים שביצועים מובילים להצלחה.

But the way we actually started to explore,

אך כשהתחלנו לחקור,

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

הבנו שביצועים והצלחה הן שתי חיות מאוד מאוד שונות

when it comes to the mathematics of the problem.

כשזה מגיע למתמטיקה של הבעיה.

And let me illustrate that.

ותנו לי להדגים זאת.

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

אז מה שאתם רואים כאן הוא האדם המהיר בעולם, יוסיין בולט.

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

וכמובן, הוא מנצח את רוב התחרויות בהן הוא משתתף.

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

ואנו יודעים שהוא האדם הכי מהיר בעולם מכיוון שיש לנו כרונומטר

to measure his speed.

שמודד את המהירות שלו.

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

ובכן, מה שמעניין בו זה שכשהוא מנצח,

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

הוא לא עושה זאת בכך שהוא משיג בפער גדול את המתחרים שלו.

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

הוא רץ אחוז אחד מהר יותר מזה שמפסיד את המירוץ.

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

ולא די בכך שהוא רץ רק אחוז אחד מהר יותר מהמקום השני,

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

אלא שהוא לא רץ פי 10 מהר יותר ממני --

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

ואני לא רץ טוב, סמכו עליי.

(Laughter)

(צחוק)

And every time we are able to measure performance,

ובכל פעם שאנו מודדים ביצועים,

we notice something very interesting;

אנו שמים לב למשהו מאוד מעניין:

that is, performance is bounded.

ביצועים הם דבר מוגבל.

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

הכוונה היא שאין גיוון גדול בביצועים אנושיים.

It varies only in a narrow range,

הם משתנים אך ורק בטווח צר,

and we do need the chronometer to measure the differences.

ואנו צריכים להשתמש בכרונומטר על-מנת למדוד את השינויים.

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

זה לא אומר שאנחנו לא יכולים לזהות את הטובים בין הטובים ביותר,

but the best ones are very hard to distinguish.

אבל בטובים ביותר קשה מאוד להבחין.

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

והבעיה כאן היא שרובנו עובדים בתחומים

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

שאין בהם כרונומטר למדוד איתו את הביצועים שלנו.

Alright, performance is bounded,

בסדר, ביצועים הם דבר מוגבל,

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

אין הבדלים ענקיים בינינו כשמדובר בביצועים.

How about success?

מה לגבי הצלחה?

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

ובכן, בואו נחליף לנושא אחר, ספרים למשל.

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

מדד אחד להצלחה של סופרים הוא כמה אנשים קראו את העבודה שלכם.

And so when my previous book came out in 2009,

וכשהספר הקודם שלי יצא לאור ב-2009,

I was in Europe talking with my editor,

הייתי באירופה ודיברתי עם העורך שלי,

and I was interested: Who is the competition?

ותהיתי: מי התחרות שלי?

And I had some fabulous ones.

והיו לי כמה נהדרים.

That week --

באותו השבוע --

(Laughter)

(צחוק)

Dan Brown came out with "The Lost Symbol,"

דן בראון יצא עם ספרו "הסמל האבוד",

and "The Last Song" also came out,

ו"השיר האחרון" גם יצא,

Nicholas Sparks.

ניקולס ספארקס.

And when you just look at the list,

ורק ממבט ברשימה,

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

אני מבין, אתם יודעים, כשמדובר בביצועים, אין כמעט הבדל

between these books or mine.

בין הספרים הללו לספר שלי.

Right?

נכון?

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

אז אולי אם הצוות של ניקולס ספארקס יעבוד מעט קשה יותר,

he could easily be number one,

הוא יוכל להיות בקלות מספר אחד,

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

מכיוון שהמקום הראשון הוכרע כמעט בטעות.

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

אז אמרתי, בוא נסתכל על המספרים -- אני איש של נתונים, נכון?

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

בואו נראה מה היו המכירות של ניקולס ספארקס.

And it turns out that that opening weekend,

והתברר כי בסוף שבוע הפתיחה הזה,

Nicholas Sparks sold more than a hundred thousand copies,

ניקולס ספארקס מכר יותר ממאה אלף עותקים,

which is an amazing number.

שזה מספר מדהים.

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

אתם יכולים למעשה להגיע לראש רשימת רבי-המכר של ה"ניו-יורק טיימס"

by selling 10,000 copies a week,

ממכירת 10,000 עותקים בשבוע,

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

אז הוא השיג פי 10 מהכמות הדרושה להיות מספר אחת.

Yet he wasn't number one.

ועדיין, הוא לא היה מספר אחת.

Why?

למה?

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

מכיוון שהיה את דן בראון, שמכר 1.2 מליון עותקים בסוף השבוע ההוא.

(Laughter)

(צחוק)

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

והסיבה שאני אוהב את המספר הזה היא שהוא מראה, באמת,

when it comes to success, it's unbounded,

כשמדובר בהצלחה, אין לה גבולות,

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

שהטוב ביותר לא משיג רק בקצת את המקום השני,

but gets orders of magnitude more,

אלא מקבל יותר בסדרי גודל עצומים,

because success is a collective measure.

מכיוון שהצלחה היא מדד קולקטיבי.

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

אנחנו נותנים להם אותה, ולא מרוויחים אותה בזכות הביצועים שלנו.

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

אז אחד הדברים שהבנו הוא שביצועים, הדברים שאנו עושים, הם מוגבלים,

but success, which is collective, is unbounded,

אבל להצלחה, שהיא דבר קולקטיבי, אין גבולות,

which makes you wonder:

מה שמביא אתכם לתהות:

How do you get these huge differences in success

איך משיגים את ההבדלים הגדולים האלה בהצלחה

when you have such tiny differences in performance?

כשישנם מעט כל-כך הבדלים בביצועים?

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

ולאחרונה, פרסמתי ספר שמוקדש לשאלה הזו בדיוק.

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

ולא נתנו לי מספיק זמן להסביר את כל זה,

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

אז אני חוזר לשאלה,

alright, you have success; when should that appear?

בסדר, לגבי הצלחה: מתי היא אמורה להופיע?

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

אז בואו נחזור למקלקל המסיבה ונשאל את עצמנו:

Why did Einstein make this ridiculous statement,

למה איינשטיין קבע את האימרה המטופשת הזו,

that only before 30 you could actually be creative?

שרק לפני גיל 30 ניתן באמת להיות יצירתי?

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

ובכן, משום שהוא הביט סביבו וראה את כל הפיזיקאים הנהדרים האלו

that created quantum mechanics and modern physics,

שיצרו את מכניקת הקוונטים ופיזיקה מודרנית,

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

וכולם היו בשנות ה-20 וה-30 המוקדמות לחייהם כשעשו זאת.

And it's not only him.

וזה לא רק הוא.

It's not only observational bias,

זה לא רק דעה קדומה הסתכלותית,

because there's actually a whole field of genius research

מפני שישנו תחום שלם של חקר הגאונות

that has documented the fact that,

שתיעד את העובדה כי

if we look at the people we admire from the past

אם אנו מסתכלים על האנשים שאנו מעריצים מהעבר

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

ורואים באיזה גיל הם תרמו את תרומתם הגדולה,

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

בין אם זה מוזיקה, בין אם זה מדע,

whether that's engineering,

בין אם זה הנדסה,

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

רובם עשו זאת בגילאי ה-20, 30, תחילת גיל ה-40 לכל היותר.

But there's a problem with this genius research.

אך יש בעיה עם חקר הגאונות הזה.

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

ובכן, קודם כל, הוא יצר לנו את הרושם

that creativity equals youth,

שיצירתיות משמעה נעורים,

which is painful, right?

וזה כואב, נכון?

(Laughter)

(צחוק)

And it also has an observational bias,

וגם יש לו הסתכלות מוטית,

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

משום שהוא מסתכל רק על גאונים ולא על מדענים רגילים

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

ולא מסתכל על כולנו ושואל,

is it really true that creativity vanishes as we age?

האם זה באמת נכון שיצירתיות נעלמת עם הגיל?

So that's exactly what we tried to do,

אז זה בדיוק מה שניסינו לעשות,

and this is important for that to actually have references.

וחשוב שיהיה למה להשוות.

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

אז בואו נסתכל על מדענים רגילים כמותי,

and let's look at my career.

ונסתכל על הקריירה שלי.

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

אז מה שאתם רואים כאן הם כל המאמרים שאי פעם פרסמתי

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

מהמאמר הראשון שלי, ב-1989; הייתי עדיין ברומניה כשכתבתי אותו,

till kind of this year.

עד השנה בערך.

And vertically, you see the impact of the paper,

ואנכית, אתם רואים את ההשפעה של המאמר,

that is, how many citations,

הכוונה היא, כמה ציטוטים,

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

כמה מאמרים אחרים נכתבו והזכירו את העבודה הזו.

And when you look at that,

וכאשר אתם מסתכלים על זה,

you see that my career has roughly three different stages.

אתם רואים שלקריירה שלי ישנן שלוש תקופות.

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

יש את ה-10 שנים הראשונות כשהייתי צריך לעבוד המון

and I don't achieve much.

ולא השגתי הרבה.

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

לא נראה שלמישהו אכפת ממה שאני עושה, נכון?

There's hardly any impact.

אין כמעט השפעה.

(Laughter)

(צחוק)

That time, I was doing material science,

בתקופה הזו עסקתי במדעי החומר,

and then I kind of discovered for myself networks

ואז בערך גיליתי את הרשתות

and then started publishing in networks.

והתחלתי לפרסם על רשתות.

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

וזה הוביל למאמר רב-השפעה אחד לשני.

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

וזה הרגיש מאוד טוב. זה היה השלב בקריירה שלי.

(Laughter)

(צחוק)

So the question is, what happens right now?

אז, השאלה היא, מה קורה עכשיו?

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

ואנחנו לא יודעים, מכיוון שעדיין לא עבר מספיק זמן

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

כדי באמת לשער כמה השפעה תהיה למאמרים האלו;

it takes time to acquire.

זה לוקח זמן להשיג.

Well, when you look at the data,

ובכן, כשאתם מסתכלים על הנתונים,

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

זה נראה כי איינשטיין, מחקר הגאונות, צודקים,

and I'm at that stage of my career.

ואני בשלב הזה בקריירה שלי.

(Laughter)

(צחוק)

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

ולכן אמרנו, בסדר, בואו נפענח איך זה באמת קורה,

first in science.

קודם במדע.

And in order not to have the selection bias,

ועל-מנת לא להיות בעלי הסתכלות מוטית,

to look only at geniuses,

לא להסתכל רק על גאונים,

we ended up reconstructing the career of every single scientist

מצאנו את עצמנו בסופו של דבר משחזרים את הקריירה של כל מדען

from 1900 till today

מ-1900 ועד היום

and finding for all scientists what was their personal best,

ומוצאים לכל המדענים את השיאים האישיים שלהם,

whether they got the Nobel Prize or they never did,

האם הם קיבלו פרס נובל או לא,

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

או שאיש לא יודע מה הם עשו, אפילו לא את שיאם האישי.

And that's what you see in this slide.

וזה מה שאתם רואים בשקופית הזו.

Each line is a career,

כל קו הוא קריירה,

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

וכשמופיעה נקודה כחולה בהירה מעל קריירה,

it says that was their personal best.

זה אומר שזה היה השיא האישי שלהם.

And the question is,

והשאלה היא,

when did they actually make their biggest discovery?

מתי הם תרמו את תרומתם הגדולה ביותר?

To quantify that,

כדי לכמת זאת,

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

הסתכלנו על מהי הסבירות שתתרום את תרומתך הגדולה,

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

נגיד, שנה, שנתיים, שלוש, או 10 שנים לתוך הקריירה שלכם?

We're not looking at real age.

אנחנו לא מסתכלים על גיל אמיתי.

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

אנו מסתכלים על מה שקראנו לו "הגיל האקדמי".

Your academic age starts when you publish your first papers.

הגיל האקדמי שלכם מתחיל כאשר אתם מפרסמים את המאמר הראשון שלכם.

I know some of you are still babies.

אני יודע שכמה מכם עדיין תינוקות.

(Laughter)

(צחוק)

So let's look at the probability

אז בואו נסתכל על הסבירות

that you publish your highest-impact paper.

שתפרסמו את המאמר בעל הכי הרבה השפעה שלכם.

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

ומה שאתם רואים הוא, אכן, חקר הגאונות צודק.

Most scientists tend to publish their highest-impact paper

רוב המדענים נוטים לפרסם את מאמריהם בעלי ההשפעה הגדולה ביותר

in the first 10, 15 years in their career,

ב-10, 15 שנים הראשונות לקריירה שלהם,

and it tanks after that.

וזה צונח לאחר-מכן.

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

זה צונח כל-כך מהר שאני עומד -- אני בדיוק ב-30 שנה לקריירה שלי,

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

והסיכוי שאפרסם מאמר שיהיה בעל השפעה גדולה יותר

than anything that I did before

מכל מה שעשיתי עד עכשיו

is less than one percent.

הוא פחות מאחוז.

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

אני בשלב הזה בקריירה שלי, בהתבסס על הנתונים האלה.

But there's a problem with that.

אך יש בעיה עם זה.

We're not doing controls properly.

אנחנו לא מבצעים בקרה כמו שצריך.

So the control would be,

אז הבקרה צריכה להיות,

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

איך ייראה מדען שתורם תרומות רנדומליות למדע?

Or what is the productivity of the scientist?

או מה הפרודוקטיביות של המדען הזה?

When do they write papers?

מתי הם כותבים מאמרים?

So we measured the productivity,

אז מדדנו את הפרודוקטיביות,

and amazingly, the productivity,

ובאופן מדהים, הפרודוקטיביות,

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

הסבירות שתכתבו מאמר בשנה הראשונה, העשירית או ה-20 שלכם בקריירה,

is indistinguishable from the likelihood of having the impact

היא בלתי ניתנת להבחנה מהסבירות להשפיע

in that part of your career.

בשלב הזה בקריירה שלכם.

And to make a long story short,

ובקצרה,

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

אחרי הרבה מבחני סטטיסטיקה, ישנו רק הסבר אחד לזה,

that really, the way we scientists work

והוא שהדרך בה אנו המדענים עובדים

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

היא שכל מאמר שאנו כותבים, כל פרוייקט שאנו עושים,

has exactly the same chance of being our personal best.

יש לו בדיוק את אותו הסיכוי להיות השיא האישי שלנו.

That is, discovery is like a lottery ticket.

זה אומר שתגלית היא כמו כרטיס הגרלה.

And the more lottery tickets we buy,

וככל שנקנה יותר כרטיסי הגרלה,

the higher our chances.

גדלים הסיכויים שלנו.

And it happens to be so

ויצא שכך זה קורה

that most scientists buy most of their lottery tickets

מפני שרוב המדענים קונים את רוב כרטיסי ההגרלה

in the first 10, 15 years of their career,

ב-10, 15 השנים הראשונות בקריירה שלהם,

and after that, their productivity decreases.

ואחר-כך, הפרודוקטיביות יורדת.

They're not buying any more lottery tickets.

הם לא קונים יותר כרטיסי הגרלה.

So it looks as if they would not be creative.

אז נראה כאילו הם לא יצירתיים.

In reality, they stopped trying.

המציאות היא, שהם הפסיקו לנסות.

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

אז כשאנחנו מחברים את כל הנתונים יחד, המסקנה היא מאוד פשוטה:

success can come at any time.

הצלחה יכולה להגיע בכל זמן.

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

היא יכולה להיות מאמרכם הראשון או המאמר האחרון בהחלט בקריירה שלכם.

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

זה רנדומלי לגמרי מבחינת תחומי הפרוייקטים.

It is the productivity that changes.

זו הפרודוקטיביות שמשתנה.

Let me illustrate that.

תנו לי להדגים לכם זאת.

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

זהו פרנק וילצ'ק שזכה בפרס נובל בפיזיקה

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

על מאמר הראשון שאי פעם כתב בקריירה שלו כבוגר אוניברסיטה.

(Laughter)

(צחוק)

More interesting is John Fenn,

מעניין מכך הוא ג'ון פן,

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

שבגיל 70 אולץ לצאת לפנסיה על-ידי אוניברסיטת ייל.

They shut his lab down,

הם סגרו את המעבדה שלו,

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

ובאותו הרגע הוא עבר לאוניברסיטה הקהילתית בווירג'יניה,

opened another lab,

פתח מעבדה נוספת,

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

וזהו המקום בו, בגיל 72, פרסם מאמר

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

עליו, אחרי 15 שנה, זכה בפרס נובל לכימיה.

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

ואתם חושבים, בסדר, טוב, המדע הוא מיוחד,

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

אבל מה בנוגע לשאר התחומים שאנו צריכים להיות יצירתיים בהם?

So let me take another typical example: entrepreneurship.

אז בואו ניקח עוד דוגמא טיפוסית: יזמות.

Silicon Valley,

עמק הסיליקון,

the land of the youth, right?

ארץ הנעורים, נכון?

And indeed, when you look at it,

ואכן, כשמסתכלים על זה,

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

מבינים שהפרסים הגדולים ביותר, פרסי ה-TechCrunch ופרסים נוספים,

are all going to people

כולם הולכים לאנשים

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

שגילם הממוצע הוא שנות ה-20 המאוחרות, שנות-30 המאוד מוקדמות.

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

אתם רואים למי קרנות הון סיכון נותנות כסף, כמה מהקרנות הגדולות ביותר --

all people in their early 30s.

כולם אנשים בתחילת שנות ה-30 שלהם.

Which, of course, we know;

ואנו יודעים, כמובן;

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

ישנו אתוס בעמק הסיליקון שנעורים שווים הצלחה.

Not when you look at the data,

לא רק כשמסתכלים על הנתונים,

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

כי לא מדובר רק בהקמת חברה --

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

הקמת חברה זה כמו פרודוקטיביות, לנסות, לנסות, לנסות --

when you look at which of these individuals actually put out

כשאתם מסתכלים על אילו מבין האנשים האלו הובילו

a successful company, a successful exit.

לחברה מצליחה, אקזיט מצליח.

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

ולאחרונה, כמה מהקולגות שלנו בחנו את השאלה הזו בדיוק.

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

ומתברר שכן, אלו בשנות ה-20 וה-30 לחייהם

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

מקימים מספר חברות ענק, מקימים המון חברות,

but most of them go bust.

אך רובן פושטות את הרגל.

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

וכשמסתכלים על האקזיטים המצליחים, מה שניתן לראות בגרף המסוים הזו,

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

ככל שאתם מבוגרים יותר, ישנה סבירות גדולה יותר שתביאו את המכה בבורסה

or the sell the company successfully.

או שתמכרו את החברה בהצלחה.

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

זה כל-כך חזק, למעשה, שאם אתם בשנות ה-50 שלכם,

you are twice as likely to actually have a successful exit

אתם בעלי סבירות גדולה פי שתיים לבצע אקזיט מוצלח

than if you are in your 30s.

מאשר כשאתם בני 30.

(Applause)

(מחיאות כפיים)

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

אז, בסופו של דבר, מה אנחנו באמת רואים?

What we see is that creativity has no age.

מה שאנו רואים זה שליצירתיות אין גיל.

Productivity does, right?

לפרודוקטיביות יש, נכון?

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

מה שאומר לי שבסופו של יום,

if you keep trying --

אם תמשיכו לנסות --

(Laughter)

(צחוק)

you could still succeed and succeed over and over.

אתם עדיין יכולים להצליח שוב ושוב.

So my conclusion is very simple:

אז המסקנה שלי היא מאוד פשוטה:

I am off the stage, back in my lab.

אני יורד מהבמה וחוזר למעבדה שלי.

Thank you.

תודה רבה.

(Applause)

(מחיאות כפיים)