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

Переводчик: Iryna Plyska Редактор: Yulia Kallistratova

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

Сегодня для меня особенный день,

because it is my birthday.

потому что у меня день рождения.

(Applause)

(Аплодисменты)

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

И спасибо всем вам, что пришли на вечеринку.

(Laughter)

(Смех)

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

Но каждый раз, когда ты устраиваешь вечеринку, есть тот, кто её испортит. Так?

(Laughter)

(Смех)

And I'm a physicist,

Я физик,

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

и в этот раз я привёл другого физика с этой целью.

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

Его зовут Альберт Эйнштейн — тоже Альберт, — и это именно он однажды сказал,

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

что человек, который не сделал свой самый значимый вклад в науку

by the age of 30

до 30 лет,

will never do so.

никогда уже этого не сделает.

(Laughter)

(Смех)

Now, you don't need to check Wikipedia

Что ж, вам не нужно проверять в Википедии,

that I'm beyond 30.

что мне уже за 30.

(Laughter)

(Смех)

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

И самое главное, о чём это говорит мне и всем нам, —

is that when it comes to my science,

то, что в сфере науки

I'm deadwood.

я бесполезен.

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

Но, к счастью, удачные периоды случались в моей карьере.

Around age 28, I became very interested in networks,

В возрасте 28 или около того я стал интересоваться сетями,

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

и несколько лет спустя мы опубликовали несколько ключевых статей

that reported the discovery of scale-free networks

об открытии безмасштабных сетей,

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

что послужило началом новой дисциплины, которую мы сегодня называем наука о сетях.

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

Если вам это интересно, то сейчас можно получить степень доктора науки о сетях

in Budapest, in Boston,

в Будапеште, в Бостоне,

and you can study it all over the world.

вы можете изучать эту науку по всему миру.

A few years later,

Несколько лет спустя,

when I moved to Harvard first as a sabbatical,

когда я переехал в Гарвард, будучи сначала в творческом отпуске,

I became interested in another type of network:

я заинтересовался ещё одним типом сетей:

that time, the networks within ourselves,

на этот раз взаимосвязями в нас самих:

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

как гены, белки и метаболиты связаны друг с другом

and how they connect to disease.

и как они связаны с болезнями.

And that interest led to a major explosion within medicine,

И этот интерес привел к ещё большему исследованию в медицине,

including the Network Medicine Division at Harvard,

в том числе и на кафедре Сетевой Медицины Гарвардского университета,

that has more than 300 researchers who are using this perspective

где более 300 исследователей изучают эту сферу

to treat patients and develop new cures.

для лечения пациентов и разработки новых лекарств.

And a few years ago,

Несколько лет назад

I thought that I would take this idea of networks

я думал, что воспользуюсь идеей сетей

and the expertise we had in networks

и опытом, который мы получили,

in a different area,

для применения в другой сфере

that is, to understand success.

с целью определения успеха.

And why did we do that?

Почему мы так решили?

Well, we thought that, to some degree,

Что ж, мы полагали, что в определённой степени

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

наш успех определяется взаимосвязями, частью которых мы являемся, —

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

то есть взаимосвязи могут как толкать нас вперёд, так и тянуть назад.

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

И мне было интересно, сможем ли мы использовать знания, данные и опыт,

приобретённые при развитии сетей,

where we develop the networks

to really quantify how these things happen.

чтобы оценить, как происходят эти вещи.

This is a result from that.

Вот что получилось в итоге.

What you see here is a network of galleries in museums

То, что вы видите здесь, — это сеть галерей в музеях,

that connect to each other.

связанных друг с другом.

And through this map that we mapped out last year,

И из этой карты, которую мы составили в прошлом году,

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

мы можем достаточно точно предопределить успех художника,

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

если вы покажите мне первых пять выставок в его или её карьере.

Well, as we thought about success,

В процессе исследования успеха

we realized that success is not only about networks;

мы поняли, что успех — это не только о взаимосвязях;

there are so many other dimensions to that.

существует множество других составляющих.

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

Одна из таких составляющих, необходимых для успеха, —

is performance.

это ваши результаты.

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

Итак, давайте определим, в чём разница между результатами и успехом.

Well, performance is what you do:

Результаты — это то, что вы делаете:

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

как быстро вы бежите, какие картины вы пишите,

what kind of papers you publish.

какие статьи вы публикуете.

However, in our working definition,

Тем не менее, в нашей рабочей терминологии,

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

успех — это то, что общество замечает из того, что вы делаете,

from your performance:

из ваших результатов.

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

Как оно их отмечает и как вас за них награждает?

In other terms,

Другими словами,

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

ваши результаты — о вас, а ваш успех — о всех нас.

And this was a very important shift for us,

И это было для нас очень важным открытием,

because the moment we defined success as being a collective measure

потому что именно когда мы определили, что успех это коллективная мера,

that the community provides to us,

которую нам даёт общество,

it became measurable,

успех стал измеряемым,

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

потому что если он находится в сфере общества, об этом есть множество данных.

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

Итак, мы ходим в школу, мы тренируемся, мы практикуемся,

because we believe that performance leads to success.

потому что верим, что результаты приводят к успеху.

But the way we actually started to explore,

Но в начале наших исследований

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

мы поняли, что результаты и успех — это очень очень разные существа

when it comes to the mathematics of the problem.

с математической точки зрения этого исследования.

And let me illustrate that.

Давайте я наглядно это покажу.

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

Итак, вы видите здесь самого быстрого человека на земле, Усейна Болта.

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

И конечно же, он выигрывает большинство соревнований, в которых участвует.

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

И мы знаем, что он самый быстрый на земле, благодаря хронометру

to measure his speed.

для измерения скорости.

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

Интересен тот факт, что когда он выигрывает,

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

так происходит не потому, что он значительно опережает соперников.

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

Он бежит максимум на процент быстрее, чем человек, который проигрывает гонку.

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

И он не только бежит всего на 1 процент быстрее, чем второй участник,

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

но также он не бежит в 10 раз быстрее, чем я —

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

и, поверьте, я не лучший бегун.

(Laughter)

(Смех)

And every time we are able to measure performance,

И каждый раз, когда мы можем измерить результаты,

we notice something very interesting;

мы замечаем кое-что интересное:

that is, performance is bounded.

а именно то, что результаты ограничены.

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

Это значит, что у людей нет значительной разницы в результатах.

It varies only in a narrow range,

Она колеблется в пределах узкого коридора значений,

and we do need the chronometer to measure the differences.

и нам нужен хронометр, чтоб определять эти расхождения.

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

Это не означает, что мы не можем отличить хороших от наилучших,

but the best ones are very hard to distinguish.

но самых лучших очень трудно определить.

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

И проблема в том, что большинство из нас работает в сферах,

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

где нет хронометра для измерения наших результатов.

Alright, performance is bounded,

Хорошо, результаты ограничены,

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

и между нами не существует значительных расхождений в отношении результатов.

How about success?

А как насчёт успеха?

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

Что ж, давайте перейдём к другой теме, например, к книгам.

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

Один из критериев успеха среди писателей — количество людей, читающих твои работы.

And so when my previous book came out in 2009,

Так что когда моя предыдущая книга вышла в 2009 году,

I was in Europe talking with my editor,

я был в Европе, общался с редактором

and I was interested: Who is the competition?

и поинтересовался: кто мои конкуренты?

And I had some fabulous ones.

Среди них были великолепные писатели.

That week --

На той неделе...

(Laughter)

(Смех)

Dan Brown came out with "The Lost Symbol,"

Дэн Браун выпустил «Утраченный символ»,

and "The Last Song" also came out,

а также вышла в свет »Последняя Песня»

Nicholas Sparks.

Николаса Спаркса.

And when you just look at the list,

И если вы просто взглянете на список,

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

вы поймёте, что глядя на результат, вряд ли найдутся расхождения

between these books or mine.

между этими книгами и моей.

Right?

Правильно?

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

Поэтому, возможно, если бы команда Николаса Спаркса работала усерднее,

he could easily be number one,

он с лёгкостью стал бы номером один,

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

потому что оказаться лидером было практически случайностью.

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

Итак, давайте взглянем на цифры — я человек чисел, так ведь?

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

Давайте посмотрим на продажи Николаса Спаркса.

And it turns out that that opening weekend,

И оказывается, за первую неделю

Nicholas Sparks sold more than a hundred thousand copies,

Николас Спаркс продал более ста тысяч экземпляров,

which is an amazing number.

и это поразительное количество!

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

Вообще-то, можно попасть в лидеры списка бестселлеров «New York Times»,

by selling 10,000 copies a week,

продавая 10 000 экземпляров в неделю,

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

то есть он в 10 раз превысил норму, необходимую, чтобы стать номером один.

Yet he wasn't number one.

Но он не стал номером один.

Why?

Почему?

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

Потому что был ещё Дэн Браун, который продал 1.2 миллиона экземпляров за неделю.

(Laughter)

(Смех)

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

И мне эта цифра нравится потому, что она доказывает:

when it comes to success, it's unbounded,

успех безграничен,

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

и самый лучший не просто получает слегка больше, чем второй лучший,

but gets orders of magnitude more,

он получает несоизмеримо больше,

because success is a collective measure.

потому что успех — это коллективная мера.

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

Мы определяем его за них, а не они зарабатывают его своими результатами.

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

Итак, одна вещь, которую мы поняли, это то, что результаты ограничены,

but success, which is collective, is unbounded,

а успех, будучи коллективным, неограничен,

which makes you wonder:

и это заставляет задуматься:

How do you get these huge differences in success

как мы получаем эти огромные расхождения в успехе,

when you have such tiny differences in performance?

если у нас минимальные различия в результатах?

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

Недавно я выпустил книгу, посвящённую именно этому вопросу.

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

И мне не дали достаточно времени, чтобы изложить всё,

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

поэтому я вернусь к такому вопросу:

alright, you have success; when should that appear?

хорошо, к вам пришёл успех; когда это случилось?

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

давайте вернёмся к спойлеру нашей вечеринки и спросим себя:

Why did Einstein make this ridiculous statement,

почему Эйнштейн сделал это смешное заявление о том,

that only before 30 you could actually be creative?

что только до 30 лет вы можете быть креативным?

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

А всё потому, что, оглядываясь вокруг, он видел этих удивительных физиков,

that created quantum mechanics and modern physics,

которые создали квантовую механику и современную физику,

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

когда им было 20–30 лет или немного за 30.

And it's not only him.

И не только он.

It's not only observational bias,

И это не просто ошибка наблюдения,

because there's actually a whole field of genius research

потому что на самом деле существует масса гениальных исследований,

that has documented the fact that,

в которых задокументирован факт того,

if we look at the people we admire from the past

что если посмотреть на всеми любимых исторических личностей

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

и обратить внимание возраст, в котором они сделали свой самый большой вклад —

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

будь-то в музыку, или в науку,

whether that's engineering,

или в инженерию, —

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

большинство из них сделали это в возрасте после 20, 30 или максимум около 40.

But there's a problem with this genius research.

Но есть одна проблема в этом гениальном исследовании.

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

Во-первых, оно создаёт впечатление,

that creativity equals youth,

что креативность равняется молодости,

which is painful, right?

а это прискорбно осознавать, так?

(Laughter)

(Смех)

And it also has an observational bias,

А также в нём есть ошибка наблюдения,

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

потому что оно затрагивает только гениев, но не берёт во внимание рядовых учёных,

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

не учитывает всех нас и не интересуется,

is it really true that creativity vanishes as we age?

правда ли, что с годами креативность исчезает?

So that's exactly what we tried to do,

Это именно то, что мы пытались сделать,

and this is important for that to actually have references.

и это важно для получения источников информации.

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

Итак, давайте взглянем на обыкновенного учёного, как я,

and let's look at my career.

и посмотрим на мою карьеру.

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

Здесь вы видите материалы, которые я опубликовал,

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

начиная с моей первой статьи в 1989 году — я тогда жил в Румынии,

till kind of this year.

и до сегодняшнего дня.

And vertically, you see the impact of the paper,

А по вертикали вы можете видеть влияние моей работы,

that is, how many citations,

а именно, сколько цитат,

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

сколько других материалов, цитирующих мою работу, было написало.

And when you look at that,

И если вы посмотрите на это,

you see that my career has roughly three different stages.

вы увидите, что в моей карьере выделяются три разных периода.

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

Это первые 10 лет, когда я активно работал,

and I don't achieve much.

но не многого достиг.

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

Кажется, никому нет дела до моих исследований, так?

There's hardly any impact.

Влияния практически нет.

(Laughter)

(Смех)

That time, I was doing material science,

В то время я занимался материаловеденьем,

and then I kind of discovered for myself networks

а потом я открыл для себя сети

and then started publishing in networks.

и начал писать о науке о сетях.

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

И это привело к публикации влиятельных работ, одна за другой.

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

Это было действительно хорошо. Вот этот период в моей карьере.

(Laughter)

(Смех)

So the question is, what happens right now?

Но вопрос в том, что же происходит сейчас?

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

Мы ещё не знаем, потому что прошло не достаточно времени,

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

чтобы определить степень влияния этих материалов;

it takes time to acquire.

для этого нужно время.

Well, when you look at the data,

Когда вы смотрите на данные,

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

кажется, что Эйнштейн, гениальный учёный, прав,

and I'm at that stage of my career.

и я на том самом этапе свой карьеры.

(Laughter)

(Смех)

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

И поэтому мы решили: ладно, давайте определим, как же всё происходит,

first in science.

для начала в науке.

And in order not to have the selection bias,

И чтобы исключить ошибку выборки

to look only at geniuses,

при рассмотрении только гениев,

we ended up reconstructing the career of every single scientist

мы решили проследить за карьерами каждого учёного,

from 1900 till today

начиная с 1900 года до сегодняшнего дня,

and finding for all scientists what was their personal best,

и исследовать максимальные достижения каждого из них,

whether they got the Nobel Prize or they never did,

несмотря на то, получили они Нобелевскую Премию или нет,

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

и даже если никто не знает ни чем они занимались, ни об их лучших результатах.

And that's what you see in this slide.

И вот что показывает этот слайд.

Each line is a career,

Каждая линия это карьера,

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

а голубая точка на вершине карьеры

it says that was their personal best.

говорит о том, что это лучшие результаты.

And the question is,

И вопрос в том,

when did they actually make their biggest discovery?

когда они сделали самые большие открытия?

To quantify that,

Чтобы это определить,

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

мы смотрим на то, какова вероятность, что вы сделаете своё лучшее открытие

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

в первый, второй, третий или 10-й год вашей карьеры.

We're not looking at real age.

Мы не учитываем возраст.

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

Мы смотрим на «академический возраст».

Your academic age starts when you publish your first papers.

Ваш академический возраст начинается с публикации вашей первой статьи.

I know some of you are still babies.

Знаю, кое-кто из вас всё ещё малыши.

(Laughter)

(Смех)

So let's look at the probability

Итак, давайте взглянем на вероятность

that you publish your highest-impact paper.

издания вашей самой влиятельной работы.

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

И то, что мы видим, подтверждает: гениальное исследование верное.

Most scientists tend to publish their highest-impact paper

Большинство учёных склонны издавать самые влиятельные материалы

in the first 10, 15 years in their career,

в первые 10, 15 лет своей карьеры,

and it tanks after that.

а дальше идёт на спад.

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

И спад настолько стремительный, что в мои 30 лет в професии

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

шанс того, что я выпущу исследование, которое будет иметь большее влияние,

than anything that I did before

чем всё, что я делал раньше,

is less than one percent.

равен менее одному проценту.

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

Я вот на этом этапе своей карьеры, согласно этим данным.

But there's a problem with that.

Но тут кроется проблема.

We're not doing controls properly.

Мы не достаточно качественно осуществляем проверку.

So the control would be,

Проверка должна быть такой:

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

как выглядит учёный, который делает случайный вклад в науку?

Or what is the productivity of the scientist?

Или какова продуктивность учёного?

When do they write papers?

Когда они пишут свои статьи?

So we measured the productivity,

Что ж, мы измерили продуктивность,

and amazingly, the productivity,

и вот что удивительно: продуктивность,

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

то есть вероятность написания работы в первый, 10 или 20 год вашей карьеры

is indistinguishable from the likelihood of having the impact

не отличается от вероятности стать влиятельным

in that part of your career.

в тот же период вашей карьеры.

And to make a long story short,

Одним словом,

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

после череды статистических тестов есть только одно объяснение этому:

that really, the way we scientists work

на самом деле, то, как мы, учёные, работаем,

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

любая статья, которую мы публикуем, любой проект, в котором мы участвуем,

has exactly the same chance of being our personal best.

имеет абсолютно одинаковые шансы стать нашим наилучшим результатом.

That is, discovery is like a lottery ticket.

А значит, открытие — как лотерейный билет.

And the more lottery tickets we buy,

И чем больше лотерейных билетов мы покупаем,

the higher our chances.

тем выше наши шансы.

And it happens to be so

И так случилось, что

that most scientists buy most of their lottery tickets

большинство учёных покупают большинство лотерейных билетов

in the first 10, 15 years of their career,

в первые 10, 15 лет своей карьеры,

and after that, their productivity decreases.

а дальше их продуктивность снижается.

They're not buying any more lottery tickets.

Больше они не покупают лотерейных билетов.

So it looks as if they would not be creative.

И кажется, что они больше не креативны.

In reality, they stopped trying.

На самом же деле они прекращают пробовать.

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

Что ж, если мы соберём все данные вместе, вывод будет очень простым:

success can come at any time.

успех может прийти в любое время.

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

Это может быть как первая, так и последняя работа в вашей карьере.

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

Это абсолютно случайный выбор в среде проектов.

It is the productivity that changes.

Меняется только продуктивность.

Let me illustrate that.

Давайте я проиллюстрирую.

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

Это Фрэнк Вильчек, который получил Нобелевскую Премию по физике

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

за самую первую работу в своей карьере, которую он написал, будучи аспирантом.

(Laughter)

(Смех)

More interesting is John Fenn,

Ещё более интересный пример — Джон Фенн,

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

которого в возрасте 70 лет принудительно отправили на пенсию Йельский Университет.

They shut his lab down,

Они закрыли его лабораторию,

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

и тогда же он перебрался в Университет Содружества Виргинии,

opened another lab,

открыл там другую лабораторию

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

и именно там, в возрасте 72 лет, опубликовал статью,

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

за которую 15 лет спустя ему была присуждена Нобелевская Премия по химии.

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

Вы думаете, да ладно, наука это специфическая область,

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

как насчёт других сфер, где нам нужно быть креативными?

So let me take another typical example: entrepreneurship.

Что ж, давайте рассмотрим ещё один типичный пример: предпринимательство.

Silicon Valley,

Силиконовая долина —

the land of the youth, right?

земля молодых, правда ведь?

And indeed, when you look at it,

И действительно, если вы посмотрите,

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

вы увидите, что самые большие награды, награды TechCrunch и другие,

are all going to people

получают люди,

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

средний возраст которых около 30 лет.

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

Кому дают деньги венчурные фонды, крупнейшие венчурные фирмы, —

all people in their early 30s.

им всем немного за 30.

Which, of course, we know;

Вот то, что мы знаем;

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

в Силиконовой Долине присутствует этот дух, что молодость равна успеху.

Not when you look at the data,

Не когда вы смотрите на цифры,

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

потому что дело не только в создании компании —

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

создание компании, как продуктивность, нужно пробовать, пробовать, —

when you look at which of these individuals actually put out

а когда вы смотрите на тех, кто, собственно, основывает

a successful company, a successful exit.

успешную компанию или удачно закрывает бизнес.

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

А недавно некоторые наши коллеги обратили внимание именно на этот вопрос.

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

И оказалось, что да, тем, кому 20–30 лет,

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

основывают огромное количество компаний, создают множество компаний,

but most of them go bust.

но большинство становятся банкротами.

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

И если вы посмотрите на успешно завершённые операции, вы увидите,

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

что чем вы старше, тем вероятнее вы преуспеете на фондовом рынке

or the sell the company successfully.

или удачно продадите компанию.

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

И это правда: если вам за 50,

you are twice as likely to actually have a successful exit

то вероятность успешного закрытия бизнеса для вас в два раза выше,

than if you are in your 30s.

чем если бы вам было за 30.

(Applause)

(Аплодисменты)

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

Итак, напоследок, что же мы, собственно, видим?

What we see is that creativity has no age.

А видим мы то, что креативность не имеет возраста.

Productivity does, right?

А продуктивность имеет, так ведь?

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

Что подсказывает мне, что в конце концов,

if you keep trying --

если вы продолжите пробовать...

(Laughter)

(Смех)

you could still succeed and succeed over and over.

вы сможете преуспеть и будете преуспевать снова и снова.

So my conclusion is very simple:

Мой вывод очень прост:

I am off the stage, back in my lab.

я ухожу со сцены и спешу в свою лабораторию.

Thank you.

Спасибо!

(Applause)

(Аплодисменты)