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

번역: KyoungHwan Oh 검토: Yunjung Nam

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

사실 오늘은 저에게 매우 특별한 날입니다.

because it is my birthday.

제 생일이거든요.

(Applause)

(박수)

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

제 파티에 와주신 모두에게 감사드립니다.

(Laughter)

(웃음)

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

하지만 파티를 열 때마다 항상 망치는 사람이 있죠?

(Laughter)

(웃음)

And I'm a physicist,

네, 저는 물리학자입니다.

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

오늘 파티를 망칠 물리학자를 한 명 데리고 왔습니다.

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

그의 이름은 알버트 아인슈타인 또는 알버트라고 하죠. 그가 이렇게 말했죠.

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

30살이 될 때까지 과학에 큰 기여를 하지 못했다면

by the age of 30

그 사람은 결국 절대

will never do so.

기여할 수 없을 것이라고요.

(Laughter)

(웃음)

Now, you don't need to check Wikipedia

여러분은 위키피디아를 찾아볼 필요도 없어요.

that I'm beyond 30.

저는 30살이 훨씬 넘었거든요.

(Laughter)

(웃음)

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

결국, 그가 저에게, 또 우리에게 말하고 있는 것에 따르면

is that when it comes to my science,

적어도 제가 일하고 있는 과학 분야에서

I'm deadwood.

저는 쓸모없는 인간이죠.

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

다행히 제 경력에 운이 따라줬습니다.

Around age 28, I became very interested in networks,

28살 무렵에, 저는 네트워크에 대해 매우 관심을 갖기 시작했고,

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

몇 년 후, 중요한 논문 몇 편을 쓰게 되었는데

that reported the discovery of scale-free networks

이것이 척도 없는 네트워크의 새로운 발견으로 알려지게 되고

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

오늘날의 네트워크 과학의 효시로 탄생하게 됩니다.

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

관심이 있으시면, 네트워크 과학으로 박사학위도 받으실 수 있어요.

in Budapest, in Boston,

부다페스트나 보스턴, 혹은

and you can study it all over the world.

전 세계 어디에서나 네트워크 과학을 공부할 수 있습니다.

A few years later,

몇 년 후,

when I moved to Harvard first as a sabbatical,

하버드에서 안식년을 보낼 때,

I became interested in another type of network:

다른 형태의 네트워크에 관심을 가지게 되었습니다.

that time, the networks within ourselves,

우리 몸 내부에 있는 네트워크에 관심이 생겼죠.

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

유전자와 단백질 그리고 대사물질들이 서로 어떻게 연결되는지

and how they connect to disease.

그리고 어떻게 질병이 생기는지에 관해서요.

And that interest led to a major explosion within medicine,

그러한 관심들은 의약품에 대한 폭발적인 연구로 이어졌죠,

including the Network Medicine Division at Harvard,

하버드 대학교의 네트워크 의약 부서를 포함해서,

that has more than 300 researchers who are using this perspective

300명 이상의 연구자들이 이러한 개념을 가지고

to treat patients and develop new cures.

환자를 치료하거나 새로운 치료법을 개발하고 있었습니다.

And a few years ago,

그리고 몇 년 전에,

I thought that I would take this idea of networks

저는 이런 네트워크의 개념과 전문지식들을

and the expertise we had in networks

다른 분야에도 이용할 수 있지 않을까 생각했어요.

in a different area,

that is, to understand success.

바로, 성공을 이해하는 데 있어서요.

And why did we do that?

왜 그랬냐고요?

Well, we thought that, to some degree,

글쎄요, 제 생각엔 성공은 어떤 면에서는,

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

우리가 속한 네트워크에 의해서 성공여부가 결정된다고 생각했거든요.

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

즉, 우리의 네트워크가 우리를 앞으로 나아가게도 뒷걸음질 치게도 한다고요.

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

저는 또한 네트워크 개발에 쓰여지는 빅데이타나 전문지식들을

where we develop the networks

다르게 이용해서

to really quantify how these things happen.

이런 현상들을 수량화 할 수 있는지 정말로 궁금했습니다.

This is a result from that.

이게 바로 그 결과입니다.

What you see here is a network of galleries in museums

여러분이 보시는 것은 미술관 관람객들의 네트워크 입니다.

that connect to each other.

서로의 연관성을 보여주죠.

And through this map that we mapped out last year,

작년에 만들어진 이 지도를 통해,

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

우리는 어떤 예술가의 성공 여부를 정확히 예측할 수 있었습니다.

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

그 예술가의 경력에서 첫 5번의 전시회 자료를 바탕으로요.

Well, as we thought about success,

또한 성공이라는 것에 대해서 연구해 본 결과,

we realized that success is not only about networks;

성공은 단지 네트워크만으로 좌우되는 것이 아니었으며

there are so many other dimensions to that.

다른 많은 차원의 조건들이 있다는 것을 알게 되었죠.

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

성공에 있어서 꼭 짚어봐야 할 것은

is performance.

성과이죠.

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

그렇다면 성과와 성공의 차이점은 무엇인지 정의해 볼까요.

Well, performance is what you do:

성과는 여러분이 무엇을 했느냐의 문제죠.

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

얼마나 빨리 달리는지, 어떤 종류의 그림을 그리는지,

what kind of papers you publish.

어떤 논문을 발표하는지요.

However, in our working definition,

하지만 우리가 실제로 생각하는 개념으로 보면

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

성공은 그 공동체가 무엇을 알아주느냐의 문제입니다.

여러분이 한 일로부터 즉, 성과로부터요.

from your performance:

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

그 공동체가 그것을 인지하고, 무엇을 보상해 주느냐의 문제입니다.

In other terms,

다시 말하면,

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

성과는 자신만의 문제이나, 성공은 우리 모두의 문제라는 겁니다.

And this was a very important shift for us,

이 발견은 우리에게 있어 매우 중요한 발상의 전환이었습니다.

because the moment we defined success as being a collective measure

왜냐하면, 성공을 공동체가 우리에게 부여하는 집단의 개념으로 정의하는 순간

that the community provides to us,

it became measurable,

그것은 측정이 가능한 개념이 되죠.

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

공동체의 개념이라면 다양한 데이터의 활용이 가능해지기 때문입니다.

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

우리가 학교에 가는 이유는 활동하고, 연습하기 때문입니다.

because we believe that performance leads to success.

성과를 내야 성공할 수 있다고 믿기 때문이죠.

But the way we actually started to explore,

하지만 연구를 해가면서

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

저희는 성과와 성공이 아주 많이 다른 개념이라는 것을 깨닫게 되었죠.

when it comes to the mathematics of the problem.

상황을 수학적으로 풀어 봤을 때 말입니다.

And let me illustrate that.

지금 보여드릴게요.

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

지금 보시는 화면은 세상에서 가장 빠른 사람인 우사인 볼트 입니다.

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

그는 출전하는 거의 모든 경기에서 일등을 합니다.

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

그가 가장 빠르다는 것을 아는 것은

그의 속도를 잴 수 있는 초정밀 시계 때문이죠.

to measure his speed.

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

그런데 그가 이기는 상황에는 흥미로운 점이 있습니다.

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

그는 매우 압도적인 차이로 경쟁자들을 앞서지는 않습니다.

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

그의 속도는 다른 선수들보다 1% 더 빠른 정도일 뿐입니다.

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

2등을 하는 선수보다 단지 1% 더 빠르게 달리는 것 뿐만 아니라,

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

또한 저보다 10배 빠르게 달리는 것도 아닙니다.

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

저는 달리기를 잘 못하지만요. 정말로요.

(Laughter)

(웃음)

And every time we are able to measure performance,

성과를 측정할 때마다,

we notice something very interesting;

우리는 흥미로운 점을 발견합니다.

that is, performance is bounded.

즉, 성과는 한정되어 있다는 겁니다.

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

인간의 성과는 그렇게 많이 차이가 나지 않는다는 것입니다.

It varies only in a narrow range,

매우 작은 차이가 날 뿐입니다.

and we do need the chronometer to measure the differences.

그 작은 차이를 알기 위해서 초정밀 시계가 필요한겁니다.

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

1등 이외에는 다 의미가 없다는 말을 하고자 하는게 아니라,

but the best ones are very hard to distinguish.

1등을 찾는 것이 매우 힘들다는 말입니다.

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

문제는 우리가 실제로 일하는 상황에서는,

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

성과를 측정하는 초정밀 시계 같은건 없다는 것입니다.

Alright, performance is bounded,

네, 성과는 한정적입니다.

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

우리의 성과를 보면 그리 큰 차이가 없어요.

How about success?

그럼 성공은요?

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

다른 주제로 한번 얘기해보죠. 예를 들면 책이요.

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

작가에게 있어서 성공이란 얼마나 많은 사람들이 자신의 책을 읽었느냐이죠.

And so when my previous book came out in 2009,

제가 최근에 쓴 책은 2009년도에 출간되었는데,

그때 저는 편집자와 유럽에 있었습니다.

I was in Europe talking with my editor,

and I was interested: Who is the competition?

그리고 저는 궁금해서 물었죠, 제 경쟁자는 누구죠?

And I had some fabulous ones.

어마어마한 사람들이었어요.

바로 같은 주에 책을 출간한 사람들이요.

That week --

(Laughter)

(웃음)

Dan Brown came out with "The Lost Symbol,"

댄 브라운의 "로스트 심벌",

and "The Last Song" also came out,

"라스트 송"도 출간되었고요,

Nicholas Sparks.

니콜라스 스파크스 작품이죠.

And when you just look at the list,

이 목록을 보시면,

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

여러분은 성과를 잘 판단하실 수 있으니 별 차이가 없다는 걸 아실 거예요.

between these books or mine.

이 책들과 제 책 이요.

Right?

그렇죠?

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

만일 니콜라스 스파크스의 팀이 좀 더 열심히 일한다면,

he could easily be number one,

그도 쉽게 1위를 했을 겁니다.

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

누가 1위가 되느냐는 사실 거의 운이니까요.

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

그래서 전 숫자에 의미를 두기로 했죠. 저는 데이타를 중시하는 사람이니까요.

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

그럼 니콜라스 스파크스의 판매량을 봅시다.

And it turns out that that opening weekend,

출간 첫 주에,

Nicholas Sparks sold more than a hundred thousand copies,

첫 주에 십만 부 이상이 팔렸습니다.

which is an amazing number.

엄청나게 팔린 거죠.

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

당장 뉴욕타임즈 베스트 셀러 1위에 올라갈 만한 부수입니다.

by selling 10,000 copies a week,

일주일에 만부만 팔아도요.

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

그러니 1위가 되기 위한 부수보다 열배나 더 팔은 셈이죠.

하지만 1위를 하지 못했습니다.

Yet he wasn't number one.

Why?

왜냐고요?

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

그 주에 댄브라운 책이 120만부나 팔렸거든요.

(Laughter)

(웃음)

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

제가 이 숫자를 좋아하는 이유는 그것이 의미하는 게 있게 때문인데요.

when it comes to success, it's unbounded,

바로 성공이라는 것에는 한계가 없다는 것입니다.

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

즉, 1위가 2위의 차이가 근소하지 않을 뿐 아니라,

but gets orders of magnitude more,

너무나 엄청난 차이가 날 수도 있다는 것 입니다.

because success is a collective measure.

왜냐하면 성공은 집단 전체를 측정하는 개념이니까요.

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

우리 개인은 우리의 성과를 통해 보상을 받지만, 성공은 다른 거죠.

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

여기서 우리는 한 가지를 깨닫죠. 우리가 내는 성과는 한정적이지만,

but success, which is collective, is unbounded,

집단적인 개념인 성공은 한계가 없다는 건데요,

which makes you wonder:

그럼 궁금한 것이 생기죠.

How do you get these huge differences in success

성공의 정도는 왜 이렇게 엄청나게 차이가 나는 걸까요?

when you have such tiny differences in performance?

성과의 차이는 미미한데 말이죠.

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

저는 바로 그 질문의 답을 찾는 책을 최근에 출간했습니다.

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

그 책을 다 설명하긴 시간이 부족하니까요.

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

아까의 질문으로 돌아가보죠.

alright, you have success; when should that appear?

여러분이 성공을 한다면 그게 언제일까요?

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

아까 파티를 망쳤던 아인슈타인에 대해 다시 생각해 보고 질문해 봅시다:

Why did Einstein make this ridiculous statement,

아인슈타인은 왜 그런 터무니 없는 말을 했을까요?

that only before 30 you could actually be creative?

오직 30살 이전까지만 창의적일 수 있다고요.

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

아마 본인과 주변의 훌륭한 물리학자들을 돌아봤겠죠.

that created quantum mechanics and modern physics,

양자역학과 현대 물리학을 창시한 과학자들을요.

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

그 일을 해냈을 때 그들이 모두 20대 이거나 30대 초반이었거든요.

And it's not only him.

아인슈타인 뿐만 아니에요.

It's not only observational bias,

단지 관찰상의 편견이 아니라,

because there's actually a whole field of genius research

실제로 모든 분야의 천재들에 관한 연구를 보면

that has documented the fact that,

그런 사실이 자료화 되어 있습니다.

if we look at the people we admire from the past

인류 역사상 존경할 만한 사람들의 사례를 보면,

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

그들이 최고의 업적을 이뤘을 때의 나이를 볼까요.

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

그 분야가 음악이거나, 과학,

whether that's engineering,

혹은 공학이라도

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

그들은 기껏해야 20대, 30대, 혹은 기껏해야 40대 초반이었습니다.

But there's a problem with this genius research.

하지만 천재들에 관한 이 연구는 문제점이 하나 있죠.

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

우선, 이 연구는 잘못된 인상을 심어줍니다.

that creativity equals youth,

즉 창의성은 곧 젊음이라는 인상을요.

which is painful, right?

속상하시죠?

(Laughter)

(웃음)

And it also has an observational bias,

또한 관찰상의 편견도 문제 입니다.

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

왜냐하면 이 연구는 오직 천재들만 볼뿐 평범한 과학자들을 배제하고 있어요.

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

우리 모두를 고려하지도, 우리에게 묻지도 않습니다.

is it really true that creativity vanishes as we age?

"나이가 들면 창의성이 정말로 사라지는 건가요?"

So that's exactly what we tried to do,

그게 바로 저희가 연구하려는 건데요.

and this is important for that to actually have references.

연구를 위해서는 실제 사례를 모으는 것도 중요합니다.

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

그럼, 저같이 평범한 과학자를 한번 생각해 볼까요.

and let's look at my career.

제 경력을 보시죠.

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

이 그래프는 제가 발표한 모든 논문을 표시한 것입니다.

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

1989년에 낸 첫 논문부터요, 저는 그때 루마니아에 있었고,

till kind of this year.

올해까지도 그랬죠.

And vertically, you see the impact of the paper,

세로축은 제 논문의 영향력을 나타냅니다.

that is, how many citations,

즉, 얼마나 많이 인용되었는지,

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

제 논문을 인용한 다른 논문이 몇 편 발표되었는지 말입니다.

And when you look at that,

그 내용을 잘 보면

you see that my career has roughly three different stages.

대략 제 경력을 세 시기로 나눌 수 있는게 보이시죠.

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

첫 10년간, 전 매우 열심히 일했죠.

and I don't achieve much.

그러나 성과는 별로였죠.

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

아무도 제 일에 신경쓰지 않았던 것 같죠?

There's hardly any impact.

거의 영향력이 없던 시기입니다.

(Laughter)

(웃음)

That time, I was doing material science,

그 당시, 저는 재료과학을 연구하고 있었습니다.

and then I kind of discovered for myself networks

그리고 네트워크에 관심을 갖게 되었고

and then started publishing in networks.

네트워크에 관한 논문을 쓰기 시작했죠.

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

그 논문이 다른 사람들에게 영향을 주기 시작했습니다.

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

정말 기분이 좋았죠, 바로 이 시기죠.

(Laughter)

(웃음)

So the question is, what happens right now?

그렇다면 지금은 어떨까요?

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

아직은 잘 모릅니다. 제 논문들이 얼마나 영향을 끼칠지를

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

알기 위한 시간이 아직 충분히 지나지 않았으니까요.

it takes time to acquire.

시간이 걸리는 일이죠.

Well, when you look at the data,

이 자료를 보면,

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

천재 아인슈타인이 한 말이 맞는 것 같네요.

and I'm at that stage of my career.

제가 바로 이 시기에 해당하니까요.

(Laughter)

(웃음)

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

그럼, 실제로 어떠한지 알아볼까요?

first in science.

우선 과학분야에서요.

And in order not to have the selection bias,

선택에 따른 오류를 피하기 위해서

to look only at geniuses,

천재들만 관찰하지 않고

we ended up reconstructing the career of every single scientist

모든 과학자들의 경력을 재구성 해보았습니다.

from 1900 till today

1900년대부터 현재까지 모든 과학자들에 대해서요.

and finding for all scientists what was their personal best,

그들 개개인의 최고의 시기를 모두 조사했습니다.

whether they got the Nobel Prize or they never did,

노벨상을 받았던 과학자이건 아니건 간에요.

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

그들이 최고의 시기였다는걸 아무도 몰랐다 하더라도요.

And that's what you see in this slide.

이것이 바로 그 자료입니다.

Each line is a career,

각각의 선은 경력을 의미하고,

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

그 경력의 맨 윗부분에 파란 점은

it says that was their personal best.

바로 개개인의 최고의 시기를 의미하죠.

And the question is,

여기서 궁금한 건,

when did they actually make their biggest discovery?

그들이 가장 큰 발견을 해낸 시기는 언제일까요?

To quantify that,

그걸 수량화하기 위해,

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

여러분이 가장 큰 발견을 해낼 가능성에 대해 생각해 봅시다.

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

아마 일을 시작한지 1년, 2년, 3년 혹은 10년?

We're not looking at real age.

실제 나이를 말하는 게 아니라

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

"학계의 나이"를 말하는 것입니다.

Your academic age starts when you publish your first papers.

학계의 나이는 첫 논문을 발표한 시기로부터 시작됩니다.

I know some of you are still babies.

여러분 중 일부는 아직 아기이죠.

(Laughter)

(웃음)

So let's look at the probability

가능성을 한번 봅시다.

여러분이 영향력 있는 논문을 발표할 가능성이요.

that you publish your highest-impact paper.

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

이걸 보시면 천재들에 관한 연구가 정말 맞다는걸 알 수 있죠.

Most scientists tend to publish their highest-impact paper

대부분의 과학자들이 가장 영향력있는 논문을 발표하는 시기는

in the first 10, 15 years in their career,

10년이나 15년 이내이고,

and it tanks after that.

그 후엔 침체기를 겪습니다.

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

매우 급격히 침체기로 접어드는데 제 경력이 30년째이니

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

제가 전에 발표한 논문보다

than anything that I did before

더 영향력있는 논문을 쓰게 될 가능성은 1% 이하입니다.

is less than one percent.

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

이 표에 따르면 바로 저는 그 시기에 해당되네요.

But there's a problem with that.

하지만 여기에는 한 가지 문제가 있죠.

We're not doing controls properly.

다른 표본을 제대로 통제하지 않았거든요.

So the control would be,

통제란 이런 겁니다.

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

어떤 과학자가 무작위로 과학에 기여하게 되는 경우는 어떨까?

Or what is the productivity of the scientist?

혹은 과학자들의 생산성이란 무엇을 의미할까?

When do they write papers?

그들은 언제 논문을 쓰는 걸까?

So we measured the productivity,

그래서 저희는 생산성을 측정해 보았습니다.

and amazingly, the productivity,

놀랍게도 그 생산성 즉,

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

1년, 10년 혹은 20년 이내 논문을 쓰게 될 가능성과

is indistinguishable from the likelihood of having the impact

그 시기에 영향력을 갖게 될 가능성이 동일하다는 것입니다.

in that part of your career.

경력 전체를 놓고 볼 때요.

And to make a long story short,

결국 요약하면,

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

많은 통계자료를 검증해 본 결과 오직 하나의 결론에 도달했어요.

that really, the way we scientists work

즉, 과학자들은 연구를 하죠,

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

그런데 우리가 어떤 논문을 쓰건, 어떤 연구를 진행하건,

has exactly the same chance of being our personal best.

그것이 우리의 최고의 결과가 될 가능성은 항상 똑같다는 겁니다.

That is, discovery is like a lottery ticket.

위대한 발견은 복권과 같다는 거죠.

And the more lottery tickets we buy,

복권은 많이 살수록,

the higher our chances.

당첨될 확률이 높아집니다.

And it happens to be so

다시 말하면

that most scientists buy most of their lottery tickets

대부분의 과학자들은 자신의 경력 중 10년, 15년 이내에

in the first 10, 15 years of their career,

복권을 산다는 것이고,

and after that, their productivity decreases.

그 후에, 그들의 생산성은 떨어지죠.

They're not buying any more lottery tickets.

더 이상 복권을 사지 않는다는 거죠.

So it looks as if they would not be creative.

그들은 창조적이지 않은 것처럼 보이지만,

In reality, they stopped trying.

사실은, 노력을 멈춘 것이죠.

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

이 모든 자료를 취합해보면, 결론은 매우 간단합니다.

success can come at any time.

성공은 언제든지 일어날 수 있습니다.

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

첫 번째 논문에서일 수도 있고 마지막 논문에서일 수도 있습니다.

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

어떤 연구에서 성공하게 될지 정말로 예측할 수 없습니다.

It is the productivity that changes.

하지만 생산성은 다릅니다.

Let me illustrate that.

보여드리죠.

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

노벨물리학상을 받은 프랭크 윌첵을 아시죠.

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

대학원생이었을 때 발표한 첫 논문으로 상을 탔어요.

(Laughter)

(웃음)

More interesting is John Fenn,

더 흥미로운 케이스는 존 펜인데요.

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

그는 70세에 예일대에서 강제로 은퇴를 했죠.

They shut his lab down,

학교측에서 그의 연구실을 폐쇄했거든요.

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

그러자 그는 버지니아 복지대학으로 자리를 옮겨

opened another lab,

다른 연구실을 열어서

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

72세에 논문을 발표합니다.

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

15년 후 그 논문으로 노벨화학상을 받았습니다.

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

과학은 특수한 분야라서 그럴수도 있다고 생각하시나요?

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

그럼 다른 분야는 어떨까요? 창의력을 필요로 하는 분야요.

So let me take another typical example: entrepreneurship.

다른 전형적인 예시를 들어볼까요? 창업 쪽은 어떨까요?

Silicon Valley,

실리콘 밸리,

the land of the youth, right?

젊은이들의 공간이죠?

And indeed, when you look at it,

네 정말 그렇습니다.

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

가장 큰 상인 테크크런치상이나 다른 상들을 받는 사람들은 보면

are all going to people

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

모두 20대 후반이나, 30대 초반이죠

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

벤쳐 캐피탈 회사들이 투자하는 회사들을 보시면 모두

all people in their early 30s.

30대 초반의 젊은이들이 운영하는 회사죠.

Which, of course, we know;

우리 모두 알다시피

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

실리콘 밸리에서는 젊음이 곧 성공을 의미하니까요.

Not when you look at the data,

하지만 자료를 보시면,

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

회사를 세우는 게 전부가 아님을 알 수 있죠.

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

그것은 생산성에 관한 일이죠, 끊임없이 시도해야 하니까요.

when you look at which of these individuals actually put out

하지만 이 개인들이 실제로 해내는 결과를 보면 어떨까요,

a successful company, a successful exit.

즉 회사를 결국 성공적으로 매듭짓는 것 말입니다.

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

저희는 바로 이 질문을 최근에 갖게 되었는데요.

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

그 결과는 보시면, 20대나 30대의 젊은이들은

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

정말 많은 회사를 창업합니다.

but most of them go bust.

하지만 대부분 실패합니다.

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

이 표에서 성공적인 결과를 이끌어내는 사례를 보시면,

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

여러분이 나이가 많을 수록 주식시장에서 성공을 거둘 확률이 높아지며

or the sell the company successfully.

회사를 성공적으로 매도할 가능성도 높아집니다.

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

즉, 여러분이 50대라면,

you are twice as likely to actually have a successful exit

성공적인 결과를 얻을 확률이 두 배나 될 가능성이 매우 높습니다.

than if you are in your 30s.

30대 인 경우보다요.

(Applause)

(박수)

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

결국, 우리가 확인한 건 무엇인가요?

What we see is that creativity has no age.

창의성은 나이와 관계가 없지만

Productivity does, right?

생산성은 나이와 관계가 있다는 거죠?

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

오늘 이야기를 마치면서 하고 싶은 이야기가 있는데요.

if you keep trying --

여러분이 계속 노력한다면

(Laughter)

(웃음)

you could still succeed and succeed over and over.

여전히 성공, 계속해서 성공할 수 있다는 것입니다.

So my conclusion is very simple:

제 결론은 매우 간단하죠.

I am off the stage, back in my lab.

무대를 내려가 연구실로 돌아가는 겁니다.

Thank you.

감사합니다.

(Applause)

(박수)