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

285,456 views ・ 2019-09-03

TED


Por favor, faça duplo clique nas legendas em inglês abaixo para reproduzir o vídeo.

Tradutor: Gabriela Carius Ribas Revisora: Isabel Vaz Belchior
00:12
Today, actually, is a very special day for me,
0
12249
2266
Hoje, na verdade, é um dia muito especial para mim,
00:14
because it is my birthday.
1
14539
2121
porque é o meu aniversário.
00:16
(Applause)
2
16684
3973
(Aplausos)
00:20
And so, thanks to all of you for joining the party.
3
20681
3441
E por isso, agradeço-vos a todos por se juntarem à festa.
00:24
(Laughter)
4
24146
1167
(Risos)
00:25
But every time you throw a party, there's someone there to spoil it. Right?
5
25337
4786
Mas sempre que se dá uma festa, há alguém para a estragar, certo?
(Risos)
00:30
(Laughter)
6
30147
1072
00:31
And I'm a physicist,
7
31243
1359
Sou físico,
00:32
and this time I brought another physicist along to do so.
8
32626
4157
e desta vez trouxe outro físico comigo.
00:36
His name is Albert Einstein -- also Albert -- and he's the one who said
9
36807
4562
Chama-se Albert Einstein — também é Albert —
e foi ele que disse que uma pessoa que não tenha feito
00:41
that the person who has not made his great contributions to science
10
41393
4830
contribuições importantes para a ciência até aos 30 anos,
00:46
by the age of 30
11
46247
1559
00:47
will never do so.
12
47830
1396
nunca o irá fazer.
(Risos)
00:49
(Laughter)
13
49250
1012
Ora, não é necessário ir à Wikipedia
00:50
Now, you don't need to check Wikipedia
14
50286
2340
para ver que tenho mais de 30 anos.
00:52
that I'm beyond 30.
15
52650
1571
(Risos)
00:54
(Laughter)
16
54245
1416
00:55
So, effectively, what he is telling me, and us,
17
55685
3606
Por isso, efetivamente, o que ele está a dizer-me, a mim e a vocês,
00:59
is that when it comes to my science,
18
59315
2544
é que, no que toca à minha ciência,
01:01
I'm deadwood.
19
61883
1203
sou redundante.
Bem, felizmente, eu tive a minha parte de sorte na minha carreira.
01:04
Well, luckily, I had my share of luck within my career.
20
64078
5586
Por volta dos 28 anos, fiquei muito interessado em redes,
01:10
Around age 28, I became very interested in networks,
21
70132
3822
01:13
and a few years later, we managed to publish a few key papers
22
73978
4076
e uns anos mais tarde, conseguimos publicar alguns artigos importantes
01:18
that reported the discovery of scale-free networks
23
78078
4097
que relatavam a descoberta de redes sem escala
01:22
and really gave birth to a new discipline that we call network science today.
24
82199
4578
o que originou uma nova disciplina a que hoje chamamos ciência de redes.
01:26
And if you really care about it, you can get a PhD now in network science
25
86801
3678
E se estiverem mesmo interessados, podem fazer um doutoramento
01:30
in Budapest, in Boston,
26
90503
2028
em Budapeste, em Boston
01:32
and you can study it all over the world.
27
92555
2308
e podem estudá-las em todo o mundo.
01:35
A few years later,
28
95466
1595
Uns anos mais tarde,
quando me mudei para Harvard primeiro como investigador em sabática,
01:37
when I moved to Harvard first as a sabbatical,
29
97085
3230
01:40
I became interested in another type of network:
30
100339
3092
interessei-me por outro tipo de redes:
desta vez, as redes dentro de nós,
01:43
that time, the networks within ourselves,
31
103455
3027
01:46
how the genes and the proteins and the metabolites link to each other
32
106506
3726
como os genes, as proteínas e os metabolismos se ligam uns aos outros
e como se relacionam com as doenças.
01:50
and how they connect to disease.
33
110256
2493
Esse interesse levou a uma grande explosão na medicina,
01:53
And that interest led to a major explosion within medicine,
34
113368
4592
01:57
including the Network Medicine Division at Harvard,
35
117984
3979
incluindo a Divisão de Medicina em Rede de Harvard,
02:01
that has more than 300 researchers who are using this perspective
36
121987
3395
que tem mais de 300 investigadores que usam esta perspetiva
02:05
to treat patients and develop new cures.
37
125406
2897
para tratar doentes e desenvolver novas curas.
E há alguns anos,
02:09
And a few years ago,
38
129457
1770
eu achei que levaria esta ideia de redes
02:11
I thought that I would take this idea of networks
39
131251
2526
02:13
and the expertise we had in networks
40
133801
1766
e a experiência que tínhamos em redes
02:15
in a different area,
41
135591
1392
para uma área diferente,
02:17
that is, to understand success.
42
137007
1982
ou seja, compreender o sucesso.
02:19
And why did we do that?
43
139704
1210
E porque o fizemos?
02:20
Well, we thought that, to some degree,
44
140938
2281
Bem, pensávamos que, até certo ponto,
02:23
our success is determined by the networks we're part of --
45
143243
3377
o nosso sucesso era determinado pelas redes de que fazíamos parte,
02:26
that our networks can push us forward, they can pull us back.
46
146644
3847
para nos impulsionar, ou fazer-nos recuar.
02:30
And I was curious if we could use the knowledge and big data and expertise
47
150925
4128
E eu estava curioso saber se conseguiríamos usar o conhecimento
e o grande volume de dados e experiência com os quais desenvolvemos as redes
02:35
where we develop the networks
48
155077
1403
02:36
to really quantify how these things happen.
49
156504
3296
para quantificar como estas coisas acontecem.
02:40
This is a result from that.
50
160404
1342
E este é o resultado.
02:41
What you see here is a network of galleries in museums
51
161770
2947
O que veem aqui é uma rede de galerias em museus
02:44
that connect to each other.
52
164741
1632
ligadas umas às outras.
02:46
And through this map that we mapped out last year,
53
166806
4055
E através deste mapa que traçámos no ano passado,
02:50
we are able to predict very accurately the success of an artist
54
170885
4848
conseguimos prever com muita precisão o sucesso de um artista
02:55
if you give me the first five exhibits that he or she had in their career.
55
175757
4021
se me derem as primeiras cinco exposições que ele ou ela fez na sua carreira.
Bem, como tínhamos pensado,
03:01
Well, as we thought about success,
56
181404
2706
concluímos que o sucesso não se limita a redes;
03:04
we realized that success is not only about networks;
57
184134
3067
03:07
there are so many other dimensions to that.
58
187225
2396
existem muito mais dimensões.
03:10
And one of the things we need for success, obviously,
59
190145
3247
E uma das coisas de que necessitamos para o sucesso é, obviamente,
03:13
is performance.
60
193416
1170
o desempenho.
03:14
So let's define what's the difference between performance and success.
61
194610
3504
Por isso, vamos definir a diferença entre desempenho e sucesso.
03:18
Well, performance is what you do:
62
198465
1997
Bem, o desempenho é aquilo que se faz:
03:20
how fast you run, what kind of paintings you paint,
63
200486
3032
quão rápido se corre, que tipo de quadros se pinta,
03:23
what kind of papers you publish.
64
203542
1881
que tipo de artigos se publica.
No entanto, na nossa definição funcional,
03:25
However, in our working definition,
65
205835
2614
03:28
success is about what the community notices from what you did,
66
208473
4205
o sucesso relaciona-se com a perceção da comunidade daquilo que se fez,
03:32
from your performance:
67
212702
1612
do desempenho:
Como é que o reconhece, e como é que o recompensa?
03:34
How does it acknowledge it, and how does it reward you for it?
68
214338
4132
03:38
In other terms,
69
218494
1182
Por outras palavras,
03:39
your performance is about you, but your success is about all of us.
70
219700
4596
o desempenho de cada um depende de si, mas o seu sucesso depende de todos nós.
E esta foi uma mudança muito importante para nós,
03:45
And this was a very important shift for us,
71
225392
3334
03:48
because the moment we defined success as being a collective measure
72
228750
4024
porque o momento em que definimos o sucesso como uma medida coletiva
03:52
that the community provides to us,
73
232798
2106
que a comunidade nos proporciona,
03:54
it became measurable,
74
234928
1510
tornou-se mensurável,
03:56
because if it's in the community, there are multiple data points about that.
75
236462
4510
porque se está na comunidade, existem múltiplos pontos de dados sobre isso.
04:00
So we go to school, we exercise, we practice,
76
240996
5280
Assim, vamos para a escola, fazemos exercício, praticamos,
porque acreditamos que o desempenho leva ao sucesso.
04:06
because we believe that performance leads to success.
77
246300
2991
04:09
But the way we actually started to explore,
78
249832
2015
Mas a maneira como começamos a explorar, faz com que percebamos
04:11
we realized that performance and success are very, very different animals
79
251871
3527
que desempenho e sucesso são animais muito, muito diferentes
04:15
when it comes to the mathematics of the problem.
80
255422
2444
no que se refere à matemática do problema. E permitam-me que o ilustre.
04:18
And let me illustrate that.
81
258429
1432
Então, o que vemos aqui é o homem mais rápido do mundo, Usain Bolt.
04:20
So what you see here is the fastest man on earth, Usain Bolt.
82
260329
4947
04:25
And of course, he wins most of the competitions that he enters.
83
265832
3910
E, claro, ele ganha a maior parte das competições em que entra.
E nós sabemos que ele é o mais rápido do planeta porque temos um cronómetro
04:30
And we know he's the fastest on earth because we have a chronometer
84
270393
3175
04:33
to measure his speed.
85
273592
1160
para medir a sua velocidade.
04:34
Well, what is interesting about him is that when he wins,
86
274776
4119
Bem, o que ele tem de interessante é que, quando ele ganha,
04:38
he doesn't do so by really significantly outrunning his competition.
87
278919
5502
ele não o faz ultrapassando a concorrência de forma significativa.
Ele corre, no máximo, 1% mais rápido do que aquele que perde a corrida.
04:44
He's running at most a percent faster than the one who loses the race.
88
284445
4519
Ele não só corre apenas 1% mais rápido do que o segundo classificado,
04:49
And not only does he run only one percent faster than the second one,
89
289631
3638
como não corre dez vezes mais rápido do que eu,
04:53
but he doesn't run 10 times faster than I do --
90
293293
2849
e eu não sou um bom atleta, acreditem.
04:56
and I'm not a good runner, trust me on that.
91
296166
2181
04:58
(Laughter)
92
298371
1197
(Risos)
04:59
And every time we are able to measure performance,
93
299592
3502
De cada vez que conseguimos medir o desempenho,
05:03
we notice something very interesting;
94
303118
2050
verificamos algo muito interessante;
isto é, o desempenho é limitado.
05:05
that is, performance is bounded.
95
305192
2511
05:07
What it means is that there are no huge variations in human performance.
96
307727
3757
O que isto significa é que não existem grandes variações
no desempenho humano.
05:11
It varies only in a narrow range,
97
311508
3432
Ele varia apenas num intervalo limitado,
05:14
and we do need the chronometer to measure the differences.
98
314964
3279
e precisamos mesmo do cronómetro para medir as diferenças.
05:18
This is not to say that we cannot see the good from the best ones,
99
318267
3168
Isto não quer dizer que não consigamos distinguir o bom dos melhores,
05:21
but the best ones are very hard to distinguish.
100
321459
2733
mas os melhores são muito difíceis de distinguir.
E o problema é que a maioria de nós trabalha em áreas
05:24
And the problem with that is that most of us work in areas
101
324216
2992
05:27
where we do not have a chronometer to gauge our performance.
102
327232
3922
nas quais não temos um cronómetro para medir o nosso desempenho.
Bom, o desempenho é limitado,
05:31
Alright, performance is bounded,
103
331178
1564
05:32
there are no huge differences between us when it comes to our performance.
104
332766
3532
não existem grandes diferenças entre nós no que toca ao nosso desempenho.
05:36
How about success?
105
336322
1157
E quanto ao sucesso?
05:37
Well, let's switch to a different topic, like books.
106
337995
2930
Bem, mudemos para um tópico diferente, como os livros.
05:40
One measure of success for writers is how many people read your work.
107
340949
5015
O sucesso de um autor é medido através do número dos seus leitores.
05:46
And so when my previous book came out in 2009,
108
346662
4410
Desta forma, quando o meu livro anterior foi publicado em 2009,
eu estava na Europa a falar com o meu editor,
05:51
I was in Europe talking with my editor,
109
351096
1902
e queria saber: "Quem é a concorrência?"
05:53
and I was interested: Who is the competition?
110
353022
2462
E havia alguma concorrência fabulosa.
05:56
And I had some fabulous ones.
111
356253
2735
Nessa semana...
05:59
That week --
112
359012
1169
(Risos)
06:00
(Laughter)
113
360205
1024
saiu o "Símbolo Perdido" de Dan Brown,
06:01
Dan Brown came out with "The Lost Symbol,"
114
361253
3557
e também "A Melodia do Adeus", de Nicholas Sparks.
06:04
and "The Last Song" also came out,
115
364834
2982
06:07
Nicholas Sparks.
116
367840
1429
E quando se olha para a lista,
06:09
And when you just look at the list,
117
369293
2988
percebe-se que, em termos de desempenho,
06:12
you realize, you know, performance-wise, there's hardly any difference
118
372305
3453
não há nenhuma diferença entre esses livros e o meu.
06:15
between these books or mine.
119
375782
1598
06:17
Right?
120
377404
1175
Certo?
06:18
So maybe if Nicholas Sparks's team works a little harder,
121
378603
4668
Por isso, se a equipa do Nicholas Sparks trabalhar um pouco mais,
06:23
he could easily be number one,
122
383295
1722
ele pode facilmente ser o número um,
06:25
because it's almost by accident who ended up at the top.
123
385041
2898
porque é quase por acidente chegar ao topo de vendas.
06:28
So I said, let's look at the numbers -- I'm a data person, right?
124
388486
3153
Vamos olhar para os números. Eu sou uma pessoa dos dados, certo?
06:31
So let's see what were the sales for Nicholas Sparks.
125
391663
4318
Então, vamos ver quais foram as vendas do Nicholas Sparks.
E acontece que naquela primeira semana,
06:36
And it turns out that that opening weekend,
126
396005
2054
o Nicholas Sparks vendeu mais de cem mil cópias,
06:38
Nicholas Sparks sold more than a hundred thousand copies,
127
398083
2975
o que é um número espetacular.
06:41
which is an amazing number.
128
401082
1705
06:42
You can actually get to the top of the "New York Times" best-seller list
129
402811
3396
De facto, é possível chegar ao topo dos best-sellers da lista do "New York Times"
06:46
by selling 10,000 copies a week,
130
406231
2110
com 10 000 cópias por semana.
06:48
so he tenfold overcame what he needed to be number one.
131
408365
3752
por isso, ele multiplicou por dez o que necessitava para ser o número um.
06:52
Yet he wasn't number one.
132
412141
1430
No entanto, ele não foi o número um. Porquê?
06:53
Why?
133
413595
1308
06:54
Because there was Dan Brown, who sold 1.2 million copies that weekend.
134
414927
4078
Porque havia o Dan Brown, que vendeu 1,2 milhões de cópias nesse fim de semana.
06:59
(Laughter)
135
419029
2136
E a razão pela qual eu gosto deste número é porque mostra que, na verdade,
07:01
And the reason I like this number is because it shows that, really,
136
421189
3971
07:05
when it comes to success, it's unbounded,
137
425184
3730
no que toca ao sucesso, é ilimitado,
07:08
that the best doesn't only get slightly more than the second best
138
428938
5861
e o melhor não consegue apenas ligeiramente mais do que o segundo melhor
07:14
but gets orders of magnitude more,
139
434823
2697
mas consegue resultados de maior amplitude,
07:17
because success is a collective measure.
140
437544
2794
porque o sucesso é uma medida coletiva.
07:20
We give it to them, rather than we earn it through our performance.
141
440362
4376
Damos aos outros, em vez de conquistar através do nosso desempenho.
Assim, uma das coisas de que nos apercebemos
07:24
So one of things we realized is that performance, what we do, is bounded,
142
444762
5376
é que o desempenho, o que fazemos, é limitado,
07:30
but success, which is collective, is unbounded,
143
450162
2682
mas o sucesso que é coletivo, é ilimitado.
07:32
which makes you wonder:
144
452868
1312
O que nos faz questionar:
07:34
How do you get these huge differences in success
145
454204
2911
como conseguimos estas diferenças enormes no sucesso
07:37
when you have such tiny differences in performance?
146
457139
2906
quando temos diferenças tão pequenas no desempenho?
07:40
And recently, I published a book that I devoted to that very question.
147
460537
3787
Recentemente, publiquei um livro dedicado, precisamente, a esta questão.
07:44
And they didn't give me enough time to go over all of that,
148
464348
2839
E eles não me deram tempo suficiente para analisar tudo.
07:47
so I'm going to go back to the question of,
149
467211
2071
Então, vou voltar à questão:
07:49
alright, you have success; when should that appear?
150
469306
3135
"Ok, você tem sucesso: quando isso deve aparecer?"
07:52
So let's go back to the party spoiler and ask ourselves:
151
472465
3758
Então vamos voltar a quem estraga a festa e perguntar:
07:57
Why did Einstein make this ridiculous statement,
152
477215
3339
"Porque é que Einstein fez aquela declaração ridícula,
08:00
that only before 30 you could actually be creative?
153
480578
3156
"de que 'só antes dos 30 se pode ser realmente criativo'?"
08:03
Well, because he looked around himself and he saw all these fabulous physicists
154
483758
4680
Porque ele olhou à sua volta e viu todos aqueles incríveis cientistas
08:08
that created quantum mechanics and modern physics,
155
488462
2587
que criaram a mecânica "quantum" e a física moderna,
08:11
and they were all in their 20s and early 30s when they did so.
156
491073
3736
e eles tinham entre 20 e 30 anos quando o fizeram.
08:15
And it's not only him.
157
495730
1220
E ele não foi o único.
08:16
It's not only observational bias,
158
496974
1623
Não é só um a observação preconceituosa,
08:18
because there's actually a whole field of genius research
159
498621
3997
porque existe mesmo um campo de pesquisa sobre génios
08:22
that has documented the fact that,
160
502642
2256
que documentou o facto
08:24
if we look at the people we admire from the past
161
504922
3160
de que, se olharmos para as pessoas que admiramos do passado
08:28
and then look at what age they made their biggest contribution,
162
508106
3358
e virmos as idades em que fizeram as suas maiores contribuições
08:31
whether that's music, whether that's science,
163
511488
2096
— seja na música, seja na ciência ou na engenharia —
08:33
whether that's engineering,
164
513608
1619
08:35
most of them tend to do so in their 20s, 30s, early 40s at most.
165
515251
6123
na sua maior parte, estavam entre os 20, 30 e início dos 40, se tanto.
08:41
But there's a problem with this genius research.
166
521914
2791
Mas há um problema nesta pesquisa sobre génios.
08:45
Well, first of all, it created the impression to us
167
525197
3280
Bem, primeiro, criou em nós a impressão
08:48
that creativity equals youth,
168
528501
3479
de que a criatividade é igual à juventude,
08:52
which is painful, right?
169
532004
1610
o que é doloroso, certo?
08:53
(Laughter)
170
533638
1951
(Risos)
08:55
And it also has an observational bias,
171
535613
4088
E também há um preconceito na observação,
08:59
because it only looks at geniuses and doesn't look at ordinary scientists
172
539725
4962
porque apenas considera os génios e não os cientistas normais
09:04
and doesn't look at all of us and ask,
173
544711
1965
e não nos considera a todos nós e questiona:
09:06
is it really true that creativity vanishes as we age?
174
546700
3185
"É verdade que a criatividade desaparece à medida que envelhecemos?"
09:10
So that's exactly what we tried to do,
175
550382
1877
Então, foi isso que tentámos fazer,
09:12
and this is important for that to actually have references.
176
552283
3803
e isto é importante para termos verdadeiras referências.
09:16
So let's look at an ordinary scientist like myself,
177
556110
2643
Então vamos ver um cientista normal, como eu,
09:18
and let's look at my career.
178
558777
1522
e vamos ver a minha carreira.
09:20
So what you see here is all the papers that I've published
179
560323
3202
O que vemos aqui são todos os artigos que eu publiquei
09:23
from my very first paper, in 1989; I was still in Romania when I did so,
180
563549
5115
desde o primeiro, em 1989 — ainda estava na Roménia quando o fiz —
09:28
till kind of this year.
181
568688
1593
até este ano.
09:30
And vertically, you see the impact of the paper,
182
570940
2518
E, verticalmente, vocês veem o impacto desse artigo,
09:33
that is, how many citations,
183
573482
1403
o que é, quantas citações,
09:34
how many other papers have been written that cited that work.
184
574909
3988
quantos outros artigos citaram o meu trabalho.
09:39
And when you look at that,
185
579397
1300
E quando vocês olham para ali,
09:40
you see that my career has roughly three different stages.
186
580721
2813
veem que a minha carreira teve três etapas diferentes.
09:43
I had the first 10 years where I had to work a lot
187
583558
2435
Os primeiros 10 anos quando eu tive de trabalhar muito
09:46
and I don't achieve much.
188
586017
1276
sem reconhecimento.
09:47
No one seems to care about what I do, right?
189
587317
2118
Ninguém se importava com o que eu fazia, pois não? (Risos)
09:49
There's hardly any impact.
190
589459
1681
Não tinha quase nenhum impacto.
09:51
(Laughter)
191
591164
1404
09:52
That time, I was doing material science,
192
592592
2887
Nessa altura, eu estava a estudar a ciência dos materiais
09:55
and then I kind of discovered for myself networks
193
595503
3691
e descobri por mim mesmo as redes
09:59
and then started publishing in networks.
194
599218
1947
e comecei a publicar nas redes.
10:01
And that led from one high-impact paper to the other one.
195
601189
3073
Isso levou-me de um artigo de grande impacto a outro.
10:04
And it really felt good. That was that stage of my career.
196
604286
3104
Eu sentia-me muito bem. Aquela foi uma etapa da minha carreira.
10:07
(Laughter)
197
607414
1282
(Risos)
10:08
So the question is, what happens right now?
198
608720
3208
A questão é: "O que acontece agora?"
10:12
And we don't know, because there hasn't been enough time passed yet
199
612587
3239
Nós não sabemos, porque ainda não passou tempo suficiente
10:15
to actually figure out how much impact those papers will get;
200
615850
2987
para descobrir o impacto desses artigos,
10:18
it takes time to acquire.
201
618861
1227
isso leva tempo.
10:20
Well, when you look at the data,
202
620112
1569
Bem, quando olhamos para os dados,
10:21
it seems to be that Einstein, the genius research, is right,
203
621705
2854
parece que Einstein, o investigador genial, está certo,
10:24
and I'm at that stage of my career.
204
624583
1811
estou na tal etapa da minha carreira.
10:26
(Laughter)
205
626418
2308
(Risos)
10:28
So we said, OK, let's figure out how does this really happen,
206
628750
5974
Então, dissemos: "Ok, vamos descobrir como é que isso realmente acontece,
10:34
first in science.
207
634748
1778
"primeiro na ciência."
10:36
And in order not to have the selection bias,
208
636550
3632
De forma a não ter preconceito na seleção,
10:40
to look only at geniuses,
209
640206
1337
considerando apenas os génios,
10:41
we ended up reconstructing the career of every single scientist
210
641567
3716
nós acabámos por reconstruir a carreira de todos os cientistas
10:45
from 1900 till today
211
645307
2502
de 1900 até hoje,
10:47
and finding for all scientists what was their personal best,
212
647833
3712
e encontrar em cada cientista o que foi o seu melhor,
10:51
whether they got the Nobel Prize or they never did,
213
651569
2812
tivesse ou não ganhado o prémio Nobel,
10:54
or no one knows what they did, even their personal best.
214
654405
3407
ou se ninguém conhecer o que fez, mesmo o seu melhor.
10:57
And that's what you see in this slide.
215
657836
1915
E é isso o que vocês veem aqui.
10:59
Each line is a career,
216
659775
1573
Cada linha é uma carreira,
11:01
and when you have a light blue dot on the top of that career,
217
661372
3003
e quando se tem um ponto azul em cima da carreira,
11:04
it says that was their personal best.
218
664399
2040
significa que foi o seu melhor.
11:06
And the question is,
219
666463
1155
E a pergunta é:
11:07
when did they actually make their biggest discovery?
220
667642
3568
"Quando é que eles tiveram a sua grande descoberta?"
11:11
To quantify that,
221
671234
1165
Para quantificar isso,
11:12
we look at what's the probability that you make your biggest discovery,
222
672423
3376
vemos a probabilidade de se fazer a maior descoberta,
11:15
let's say, one, two, three or 10 years into your career?
223
675823
2672
digamos — com um, dois, três ou dez anos de carreira.
11:18
We're not looking at real age.
224
678519
1480
Não estamos a olhar para a idade.
11:20
We're looking at what we call "academic age."
225
680023
2134
Estamos a olhar para a "idade académica".
11:22
Your academic age starts when you publish your first papers.
226
682181
3250
A vossa idade académica começa ao publicarem o vosso primeiro artigo.
11:25
I know some of you are still babies.
227
685455
1779
Sei que alguns aqui são ainda bebés.
11:27
(Laughter)
228
687258
1397
(Risos)
11:28
So let's look at the probability
229
688679
2706
Vamos ver as probabilidades
11:31
that you publish your highest-impact paper.
230
691409
2066
de publicarem o vosso artigo de maior impacto.
11:33
And what you see is, indeed, the genius research is right.
231
693499
3071
O que vocês veem é que o investigador génio está certo.
11:36
Most scientists tend to publish their highest-impact paper
232
696594
3024
A maior parte dos cientistas publicam o artigo de maior impacto
11:39
in the first 10, 15 years in their career,
233
699642
2899
nos primeiros 10, 15 anos de carreira,
11:42
and it tanks after that.
234
702565
3133
e cai depois disso.
11:45
It tanks so fast that I'm about -- I'm exactly 30 years into my career,
235
705722
5107
Caem tão rápido, que estou há 30 anos na carreira,
11:50
and the chance that I will publish a paper that would have a higher impact
236
710853
3540
e a hipótese de eu publicar um artigo de maior impacto
11:54
than anything that I did before
237
714417
1940
do que qualquer coisa que eu fiz antes,
11:56
is less than one percent.
238
716381
1353
é menos de 1%.
11:57
I am in that stage of my career, according to this data.
239
717758
3049
Estou nessa etapa da minha carreira, de acordo com esses dados.
12:01
But there's a problem with that.
240
721648
1843
Mas tenho um problema com isso.
12:03
We're not doing controls properly.
241
723515
3675
Não estamos a fazer corretamente o controlo.
12:07
So the control would be,
242
727214
1417
Então o controlo deveria ser:
12:08
what would a scientist look like who makes random contribution to science?
243
728655
4607
"Como parece um cientista com contribuições ao acaso à ciência?"
12:13
Or what is the productivity of the scientist?
244
733286
2995
Ou: "Qual é a produtividade do cientista?"
12:16
When do they write papers?
245
736305
2006
"Quando é que ele escreve os artigos?"
12:18
So we measured the productivity,
246
738335
2444
Então calculámos a produtividade,
12:20
and amazingly, the productivity,
247
740803
2052
e incrivelmente, a produtividade,
12:22
your likelihood of writing a paper in year one, 10 or 20 in your career,
248
742879
4131
a probabilidade de ele escrever um artigo no primeiro ano,
no 10.º ou no 20.º ano de carreira
12:27
is indistinguishable from the likelihood of having the impact
249
747034
3606
é indistinguível da probabilidade do seu impacto
12:30
in that part of your career.
250
750664
1775
na sua carreira.
12:33
And to make a long story short,
251
753026
1783
E, resumindo,
12:34
after lots of statistical tests, there's only one explanation for that,
252
754833
4228
depois de vários testes de estatística,
há apenas uma explicação para isso:
12:39
that really, the way we scientists work
253
759085
2894
a forma como nós, cientistas, trabalhamos,
12:42
is that every single paper we write, every project we do,
254
762003
3633
é que cada artigo que escrevemos, cada projeto que fazemos,
12:45
has exactly the same chance of being our personal best.
255
765660
4160
tem a mesma hipótese de ser o nosso melhor trabalho.
12:49
That is, discovery is like a lottery ticket.
256
769844
4953
Isto é, a descoberta é como um bilhete de lotaria.
12:54
And the more lottery tickets we buy,
257
774821
2351
E quanto mais bilhetes de lotaria comprarmos,
12:57
the higher our chances.
258
777196
1507
maiores serão as nossas hipóteses.
12:58
And it happens to be so
259
778727
1559
E acontece
13:00
that most scientists buy most of their lottery tickets
260
780310
2719
que a maioria dos cientistas compra os bilhetes
13:03
in the first 10, 15 years of their career,
261
783053
2460
nos primeiros 10, 15 anos de carreira,
13:05
and after that, their productivity decreases.
262
785537
3413
e depois disso, a sua produtividade cai.
13:09
They're not buying any more lottery tickets.
263
789411
2084
Eles não compram mais bilhetes.
13:11
So it looks as if they would not be creative.
264
791519
3444
Parece então que eles já não conseguem ser criativos.
13:14
In reality, they stopped trying.
265
794987
1999
Na realidade, eles pararam de tentar.
13:17
So when we actually put the data together, the conclusion is very simple:
266
797509
3915
Quando juntamos todos os dados, a conclusão é muito simples:
13:21
success can come at any time.
267
801448
2331
o sucesso pode surgir a qualquer momento.
13:23
It could be your very first or very last paper of your career.
268
803803
3735
Pode ser o primeiro ou último artigo da sua carreira.
13:27
It's totally random in the space of the projects.
269
807562
4288
É totalmente aleatório no espaço dos projetos.
13:31
It is the productivity that changes.
270
811874
1931
É a produtividade que muda.
13:33
Let me illustrate that.
271
813829
1252
Deixem-me ilustrar.
13:35
Here is Frank Wilczek, who got the Nobel Prize in Physics
272
815105
3269
Aqui está Franck Wilczek, que recebeu o prémio Nobel de Física
13:38
for the very first paper he ever wrote in his career as a graduate student.
273
818398
4101
pelo primeiro artigo que escreveu na sua carreira com aluno de licenciatura.
13:42
(Laughter)
274
822523
1007
(Risos)
13:43
More interesting is John Fenn,
275
823554
3218
Mais interessante é John Fenn, que, aos 70 anos,
13:46
who, at age 70, was forcefully retired by Yale University.
276
826796
4598
foi forçado a sair da Universidade de Yale.
13:51
They shut his lab down,
277
831418
2056
Eles fecharam o seu laboratório.
13:53
and at that moment, he moved to Virginia Commonwealth University,
278
833498
3666
Nesse momento, ele mudou-se para a Universidade de Virgínia,
13:57
opened another lab,
279
837188
1786
abriu outro laboratório,
13:58
and it is there, at age 72, that he published a paper
280
838998
3033
e, aos 72 anos, publicou um artigo
14:02
for which, 15 years later, he got the Nobel Prize for Chemistry.
281
842055
3845
pelo qual, 15 anos depois, recebeu o Nobel da Química.
14:06
And you think, OK, well, science is special,
282
846940
3042
E vocês pensam: "Ok, a ciência é especial,
14:10
but what about other areas where we need to be creative?
283
850006
3463
"mas e as outras áreas em que precisamos de ser criativos?"
14:13
So let me take another typical example: entrepreneurship.
284
853493
4936
Então, vamos a outro exemplo: o empreendedorismo.
14:18
Silicon Valley,
285
858834
1579
O Vale do Silício,
14:20
the land of the youth, right?
286
860437
2066
terra da juventude, certo?
14:22
And indeed, when you look at it,
287
862527
1595
Quando vocês olham para isso,
14:24
you realize that the biggest awards, the TechCrunch Awards and other awards,
288
864146
4642
descobrem que os grandes prémios, o TechCrunch Awards e outros,
14:28
are all going to people
289
868812
2173
foram para pessoas
14:31
whose average age is late 20s, very early 30s.
290
871009
5015
entre os seus 20 e 30 anos.
14:36
You look at who the VCs give the money to, some of the biggest VC firms --
291
876465
5602
Vejam a quem é que as empresas de capital de risco dão dinheiro
14:42
all people in their early 30s.
292
882091
2241
— só a pessoas de 30 e poucos anos.
14:44
Which, of course, we know;
293
884951
1265
Claro que nós sabemos
14:46
there is this ethos in Silicon Valley that youth equals success.
294
886240
4453
que há no Vale do Silício o hábito de associar a juventude ao sucesso.
14:51
Not when you look at the data,
295
891653
2183
Não quando olhamos para os dados,
14:53
because it's not only about forming a company --
296
893860
2304
porque não se trata apenas de formar uma empresa
14:56
forming a company is like productivity, trying, trying, trying --
297
896188
3140
— formar uma empresa é produtividade, tentar, tentar, tentar —
14:59
when you look at which of these individuals actually put out
298
899352
3484
quando vemos qual desses indivíduos
15:02
a successful company, a successful exit.
299
902860
2782
monta uma empresa de sucesso, uma venda de sucesso.
15:05
And recently, some of our colleagues looked at exactly that question.
300
905666
3720
Recentemente, um dos nossos colegas examinou precisamente essa questão.
15:09
And it turns out that yes, those in the 20s and 30s
301
909410
3156
E verificou que sim, os indivíduos com 20 e 30 anos
15:12
put out a huge number of companies, form lots of companies,
302
912590
3348
montaram um grande número de empresas, formaram muitas,
15:15
but most of them go bust.
303
915962
1531
mas a maioria delas faliu.
15:18
And when you look at the successful exits, what you see in this particular plot,
304
918089
4195
E quando vemos as vendas de sucesso,
15:22
the older you are, the more likely that you will actually hit the stock market
305
922308
3695
constatamos que, quanto mais velhos, mais hipóteses têm de entrar na Bolsa
15:26
or the sell the company successfully.
306
926027
2312
ou de venderem a empresa com sucesso.
15:28
This is so strong, actually, that if you are in the 50s,
307
928847
3113
Isso é forte, se vocês tiverem 50 anos,
15:31
you are twice as likely to actually have a successful exit
308
931984
3588
vocês têm duas vezes mais hipóteses de terem verdadeiro sucesso
15:35
than if you are in your 30s.
309
935596
1890
do que se tiverem 30 anos.
15:38
(Applause)
310
938613
4325
(Aplausos)
15:43
So in the end, what is it that we see, actually?
311
943645
3009
Então, afinal, o que é que nós vemos?
15:46
What we see is that creativity has no age.
312
946678
4083
Vemos que a criatividade não tem idade.
15:50
Productivity does, right?
313
950785
2202
A produtividade tem.
15:53
Which is telling me that at the end of the day,
314
953424
4135
O que me diz é que, no final das contas,
15:57
if you keep trying --
315
957583
2000
se vocês continuarem a tentar...
15:59
(Laughter)
316
959607
2403
(Risos)
16:02
you could still succeed and succeed over and over.
317
962034
3572
podem acabar por ter sucesso atrás de sucesso.
16:05
So my conclusion is very simple:
318
965630
2391
Então, a minha conclusão é simples:
Estou fora do palco, volto para o meu laboratório.
16:08
I am off the stage, back in my lab.
319
968045
2093
16:10
Thank you.
320
970162
1171
Obrigado.
16:11
(Applause)
321
971357
3309
(Aplausos)
Sobre este site

Este sítio irá apresentar-lhe vídeos do YouTube que são úteis para a aprendizagem do inglês. Verá lições de inglês ensinadas por professores de primeira linha de todo o mundo. Faça duplo clique nas legendas em inglês apresentadas em cada página de vídeo para reproduzir o vídeo a partir daí. As legendas deslocam-se em sincronia com a reprodução do vídeo. Se tiver quaisquer comentários ou pedidos, por favor contacte-nos utilizando este formulário de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7