TEDxMidAtlantic
Albert-László Barabási: The real relationship between your age and your chance of success
앨버트-라슬로 바라바시(Albert-László Barabási): 나이와 성공 가능성의 실제 관계
Filmed:
Readability: 4
2,762,222 views
수리분석을 바탕으로, 네트워크 이론가 앨버트 라슬로 바라바시는 당신이 어떤 분야에 있건 성공을 이끌어 내는 숨은 메커니즘과, 당신의 나이와 성공 가능성의 흥미로운 관계를 파헤칩니다.
Albert-László Barabási - Network scientist
A pioneer in network science, Albert-László Barabási uncovers the hidden order behind complex systems. Full bio
A pioneer in network science, Albert-László Barabási uncovers the hidden order behind complex systems. Full bio
Double-click the English transcript below to play the video.
00:12
Today, actually, is
a very special day for me,
a very special day for me,
0
249
2266
사실 오늘은 저에게
매우 특별한 날입니다.
매우 특별한 날입니다.
00:14
because it is my birthday.
1
2539
2121
제 생일이거든요.
00:16
(Applause)
2
4684
3973
(박수)
00:20
And so, thanks to all of you
for joining the party.
for joining the party.
3
8681
3441
제 파티에 와주신
모두에게 감사드립니다.
모두에게 감사드립니다.
00:24
(Laughter)
4
12146
1167
(웃음)
00:25
But every time you throw a party,
there's someone there to spoil it. Right?
there's someone there to spoil it. Right?
5
13337
4786
하지만 파티를 열 때마다
항상 망치는 사람이 있죠?
항상 망치는 사람이 있죠?
00:30
(Laughter)
6
18147
1072
(웃음)
00:31
And I'm a physicist,
7
19243
1359
네, 저는 물리학자입니다.
00:32
and this time I brought
another physicist along to do so.
another physicist along to do so.
8
20626
4157
오늘 파티를 망칠 물리학자를
한 명 데리고 왔습니다.
한 명 데리고 왔습니다.
00:36
His name is Albert Einstein --
also Albert -- and he's the one who said
also Albert -- and he's the one who said
9
24807
4562
그의 이름은 알버트 아인슈타인 또는
알버트라고 하죠. 그가 이렇게 말했죠.
알버트라고 하죠. 그가 이렇게 말했죠.
00:41
that the person who has not made
his great contributions to science
his great contributions to science
10
29393
4830
30살이 될 때까지
과학에 큰 기여를 하지 못했다면
과학에 큰 기여를 하지 못했다면
00:46
by the age of 30
11
34247
1559
그 사람은 결국 절대
00:47
will never do so.
12
35830
1396
기여할 수 없을 것이라고요.
00:49
(Laughter)
13
37250
1012
(웃음)
00:50
Now, you don't need to check Wikipedia
14
38286
2340
여러분은 위키피디아를
찾아볼 필요도 없어요.
찾아볼 필요도 없어요.
00:52
that I'm beyond 30.
15
40650
1571
저는 30살이 훨씬 넘었거든요.
00:54
(Laughter)
16
42245
1416
(웃음)
00:55
So, effectively, what
he is telling me, and us,
he is telling me, and us,
17
43685
3606
결국, 그가 저에게, 또 우리에게
말하고 있는 것에 따르면
말하고 있는 것에 따르면
00:59
is that when it comes to my science,
18
47315
2544
적어도 제가 일하고 있는 과학 분야에서
01:01
I'm deadwood.
19
49883
1203
저는 쓸모없는 인간이죠.
01:04
Well, luckily, I had my share
of luck within my career.
of luck within my career.
20
52078
5586
다행히 제 경력에 운이 따라줬습니다.
01:10
Around age 28, I became
very interested in networks,
very interested in networks,
21
58132
3822
28살 무렵에, 저는 네트워크에 대해
매우 관심을 갖기 시작했고,
매우 관심을 갖기 시작했고,
01:13
and a few years later, we managed
to publish a few key papers
to publish a few key papers
22
61978
4076
몇 년 후, 중요한 논문
몇 편을 쓰게 되었는데
몇 편을 쓰게 되었는데
01:18
that reported the discovery
of scale-free networks
of scale-free networks
23
66078
4097
이것이 척도 없는 네트워크의
새로운 발견으로 알려지게 되고
새로운 발견으로 알려지게 되고
01:22
and really gave birth to a new discipline
that we call network science today.
that we call network science today.
24
70199
4578
오늘날의 네트워크 과학의 효시로
탄생하게 됩니다.
탄생하게 됩니다.
01:26
And if you really care about it,
you can get a PhD now in network science
you can get a PhD now in network science
25
74801
3678
관심이 있으시면, 네트워크 과학으로
박사학위도 받으실 수 있어요.
박사학위도 받으실 수 있어요.
01:30
in Budapest, in Boston,
26
78503
2028
부다페스트나 보스턴, 혹은
전 세계 어디에서나
네트워크 과학을 공부할 수 있습니다.
네트워크 과학을 공부할 수 있습니다.
01:32
and you can study it all over the world.
27
80555
2308
01:35
A few years later,
28
83466
1595
몇 년 후,
01:37
when I moved to Harvard
first as a sabbatical,
first as a sabbatical,
29
85085
3230
하버드에서 안식년을 보낼 때,
01:40
I became interested
in another type of network:
in another type of network:
30
88339
3092
다른 형태의 네트워크에
관심을 가지게 되었습니다.
관심을 가지게 되었습니다.
01:43
that time, the networks within ourselves,
31
91455
3027
우리 몸 내부에 있는
네트워크에 관심이 생겼죠.
네트워크에 관심이 생겼죠.
01:46
how the genes and the proteins
and the metabolites link to each other
and the metabolites link to each other
32
94506
3726
유전자와 단백질 그리고 대사물질들이
서로 어떻게 연결되는지
서로 어떻게 연결되는지
01:50
and how they connect to disease.
33
98256
2493
그리고 어떻게 질병이
생기는지에 관해서요.
생기는지에 관해서요.
01:53
And that interest led
to a major explosion within medicine,
to a major explosion within medicine,
34
101368
4592
그러한 관심들은 의약품에 대한
폭발적인 연구로 이어졌죠,
폭발적인 연구로 이어졌죠,
01:57
including the Network Medicine
Division at Harvard,
Division at Harvard,
35
105984
3979
하버드 대학교의
네트워크 의약 부서를 포함해서,
네트워크 의약 부서를 포함해서,
02:01
that has more than 300 researchers
who are using this perspective
who are using this perspective
36
109987
3395
300명 이상의 연구자들이
이러한 개념을 가지고
이러한 개념을 가지고
02:05
to treat patients and develop new cures.
37
113406
2897
환자를 치료하거나 새로운 치료법을
개발하고 있었습니다.
개발하고 있었습니다.
02:09
And a few years ago,
38
117457
1770
그리고 몇 년 전에,
02:11
I thought that I would take
this idea of networks
this idea of networks
39
119251
2526
저는 이런 네트워크의 개념과
전문지식들을
전문지식들을
02:13
and the expertise we had in networks
40
121801
1766
다른 분야에도 이용할 수 있지 않을까
생각했어요.
생각했어요.
02:15
in a different area,
41
123591
1392
02:17
that is, to understand success.
42
125007
1982
바로, 성공을 이해하는 데 있어서요.
02:19
And why did we do that?
43
127704
1210
왜 그랬냐고요?
02:20
Well, we thought that, to some degree,
44
128938
2281
글쎄요, 제 생각엔 성공은
어떤 면에서는,
어떤 면에서는,
02:23
our success is determined
by the networks we're part of --
by the networks we're part of --
45
131243
3377
우리가 속한 네트워크에 의해서
성공여부가 결정된다고 생각했거든요.
성공여부가 결정된다고 생각했거든요.
02:26
that our networks can push us forward,
they can pull us back.
they can pull us back.
46
134644
3847
즉, 우리의 네트워크가 우리를 앞으로
나아가게도 뒷걸음질 치게도 한다고요.
나아가게도 뒷걸음질 치게도 한다고요.
02:30
And I was curious if we could use
the knowledge and big data and expertise
the knowledge and big data and expertise
47
138925
4128
저는 또한 네트워크 개발에 쓰여지는
빅데이타나 전문지식들을
빅데이타나 전문지식들을
02:35
where we develop the networks
48
143077
1403
다르게 이용해서
02:36
to really quantify
how these things happen.
how these things happen.
49
144504
3296
이런 현상들을 수량화 할 수 있는지
정말로 궁금했습니다.
정말로 궁금했습니다.
02:40
This is a result from that.
50
148404
1342
이게 바로 그 결과입니다.
02:41
What you see here is a network
of galleries in museums
of galleries in museums
51
149770
2947
여러분이 보시는 것은 미술관
관람객들의 네트워크 입니다.
관람객들의 네트워크 입니다.
02:44
that connect to each other.
52
152741
1632
서로의 연관성을 보여주죠.
02:46
And through this map
that we mapped out last year,
that we mapped out last year,
53
154806
4055
작년에 만들어진 이 지도를 통해,
02:50
we are able to predict very accurately
the success of an artist
the success of an artist
54
158885
4848
우리는 어떤 예술가의 성공 여부를
정확히 예측할 수 있었습니다.
정확히 예측할 수 있었습니다.
02:55
if you give me the first five exhibits
that he or she had in their career.
that he or she had in their career.
55
163757
4021
그 예술가의 경력에서 첫 5번의
전시회 자료를 바탕으로요.
전시회 자료를 바탕으로요.
03:01
Well, as we thought about success,
56
169404
2706
또한 성공이라는 것에 대해서
연구해 본 결과,
연구해 본 결과,
03:04
we realized that success
is not only about networks;
is not only about networks;
57
172134
3067
성공은 단지 네트워크만으로
좌우되는 것이 아니었으며
좌우되는 것이 아니었으며
다른 많은 차원의 조건들이
있다는 것을 알게 되었죠.
있다는 것을 알게 되었죠.
03:07
there are so many
other dimensions to that.
other dimensions to that.
58
175225
2396
03:10
And one of the things
we need for success, obviously,
we need for success, obviously,
59
178145
3247
성공에 있어서 꼭 짚어봐야 할 것은
03:13
is performance.
60
181416
1170
성과이죠.
03:14
So let's define what's the difference
between performance and success.
between performance and success.
61
182610
3504
그렇다면 성과와 성공의 차이점은
무엇인지 정의해 볼까요.
무엇인지 정의해 볼까요.
03:18
Well, performance is what you do:
62
186465
1997
성과는 여러분이
무엇을 했느냐의 문제죠.
무엇을 했느냐의 문제죠.
03:20
how fast you run,
what kind of paintings you paint,
what kind of paintings you paint,
63
188486
3032
얼마나 빨리 달리는지,
어떤 종류의 그림을 그리는지,
어떤 종류의 그림을 그리는지,
03:23
what kind of papers you publish.
64
191542
1881
어떤 논문을 발표하는지요.
03:25
However, in our working definition,
65
193835
2614
하지만 우리가 실제로 생각하는
개념으로 보면
개념으로 보면
03:28
success is about what the community
notices from what you did,
notices from what you did,
66
196473
4205
성공은 그 공동체가 무엇을
알아주느냐의 문제입니다.
알아주느냐의 문제입니다.
여러분이 한 일로부터
즉, 성과로부터요.
즉, 성과로부터요.
03:32
from your performance:
67
200702
1612
03:34
How does it acknowledge it,
and how does it reward you for it?
and how does it reward you for it?
68
202338
4132
그 공동체가 그것을 인지하고,
무엇을 보상해 주느냐의 문제입니다.
무엇을 보상해 주느냐의 문제입니다.
03:38
In other terms,
69
206494
1182
다시 말하면,
03:39
your performance is about you,
but your success is about all of us.
but your success is about all of us.
70
207700
4596
성과는 자신만의 문제이나,
성공은 우리 모두의 문제라는 겁니다.
성공은 우리 모두의 문제라는 겁니다.
03:45
And this was a very
important shift for us,
important shift for us,
71
213392
3334
이 발견은 우리에게 있어
매우 중요한 발상의 전환이었습니다.
매우 중요한 발상의 전환이었습니다.
03:48
because the moment we defined success
as being a collective measure
as being a collective measure
72
216750
4024
왜냐하면, 성공을 공동체가 우리에게
부여하는 집단의 개념으로 정의하는 순간
부여하는 집단의 개념으로 정의하는 순간
03:52
that the community provides to us,
73
220798
2106
03:54
it became measurable,
74
222928
1510
그것은 측정이 가능한 개념이 되죠.
03:56
because if it's in the community,
there are multiple data points about that.
there are multiple data points about that.
75
224462
4510
공동체의 개념이라면 다양한 데이터의
활용이 가능해지기 때문입니다.
활용이 가능해지기 때문입니다.
04:00
So we go to school,
we exercise, we practice,
we exercise, we practice,
76
228996
5280
우리가 학교에 가는 이유는
활동하고, 연습하기 때문입니다.
활동하고, 연습하기 때문입니다.
04:06
because we believe
that performance leads to success.
that performance leads to success.
77
234300
2991
성과를 내야 성공할 수 있다고
믿기 때문이죠.
믿기 때문이죠.
04:09
But the way we actually
started to explore,
started to explore,
78
237832
2015
하지만 연구를 해가면서
04:11
we realized that performance and success
are very, very different animals
are very, very different animals
79
239871
3527
저희는 성과와 성공이 아주 많이
다른 개념이라는 것을 깨닫게 되었죠.
다른 개념이라는 것을 깨닫게 되었죠.
04:15
when it comes to
the mathematics of the problem.
the mathematics of the problem.
80
243422
2444
상황을 수학적으로
풀어 봤을 때 말입니다.
풀어 봤을 때 말입니다.
04:18
And let me illustrate that.
81
246429
1432
지금 보여드릴게요.
04:20
So what you see here is
the fastest man on earth, Usain Bolt.
the fastest man on earth, Usain Bolt.
82
248329
4947
지금 보시는 화면은 세상에서
가장 빠른 사람인 우사인 볼트 입니다.
가장 빠른 사람인 우사인 볼트 입니다.
04:25
And of course, he wins most of
the competitions that he enters.
the competitions that he enters.
83
253832
3910
그는 출전하는 거의 모든 경기에서
일등을 합니다.
일등을 합니다.
04:30
And we know he's the fastest on earth
because we have a chronometer
because we have a chronometer
84
258393
3175
그가 가장 빠르다는 것을 아는 것은
그의 속도를 잴 수 있는
초정밀 시계 때문이죠.
초정밀 시계 때문이죠.
04:33
to measure his speed.
85
261592
1160
04:34
Well, what is interesting about him
is that when he wins,
is that when he wins,
86
262776
4119
그런데 그가 이기는 상황에는
흥미로운 점이 있습니다.
흥미로운 점이 있습니다.
04:38
he doesn't do so by really significantly
outrunning his competition.
outrunning his competition.
87
266919
5502
그는 매우 압도적인 차이로
경쟁자들을 앞서지는 않습니다.
경쟁자들을 앞서지는 않습니다.
04:44
He's running at most a percent faster
than the one who loses the race.
than the one who loses the race.
88
272445
4519
그의 속도는 다른 선수들보다
1% 더 빠른 정도일 뿐입니다.
1% 더 빠른 정도일 뿐입니다.
04:49
And not only does he run only
one percent faster than the second one,
one percent faster than the second one,
89
277631
3638
2등을 하는 선수보다 단지 1%
더 빠르게 달리는 것 뿐만 아니라,
더 빠르게 달리는 것 뿐만 아니라,
04:53
but he doesn't run
10 times faster than I do --
10 times faster than I do --
90
281293
2849
또한 저보다 10배 빠르게
달리는 것도 아닙니다.
달리는 것도 아닙니다.
04:56
and I'm not a good runner,
trust me on that.
trust me on that.
91
284166
2181
저는 달리기를 잘 못하지만요.
정말로요.
정말로요.
04:58
(Laughter)
92
286371
1197
(웃음)
04:59
And every time we are able
to measure performance,
to measure performance,
93
287592
3502
성과를 측정할 때마다,
05:03
we notice something very interesting;
94
291118
2050
우리는 흥미로운 점을 발견합니다.
05:05
that is, performance is bounded.
95
293192
2511
즉, 성과는 한정되어 있다는 겁니다.
05:07
What it means is that there are
no huge variations in human performance.
no huge variations in human performance.
96
295727
3757
인간의 성과는 그렇게 많이 차이가
나지 않는다는 것입니다.
나지 않는다는 것입니다.
05:11
It varies only in a narrow range,
97
299508
3432
매우 작은 차이가 날 뿐입니다.
05:14
and we do need the chronometer
to measure the differences.
to measure the differences.
98
302964
3279
그 작은 차이를 알기 위해서
초정밀 시계가 필요한겁니다.
초정밀 시계가 필요한겁니다.
05:18
This is not to say that we cannot
see the good from the best ones,
see the good from the best ones,
99
306267
3168
1등 이외에는 다 의미가
없다는 말을 하고자 하는게 아니라,
없다는 말을 하고자 하는게 아니라,
05:21
but the best ones
are very hard to distinguish.
are very hard to distinguish.
100
309459
2733
1등을 찾는 것이
매우 힘들다는 말입니다.
매우 힘들다는 말입니다.
05:24
And the problem with that
is that most of us work in areas
is that most of us work in areas
101
312216
2992
문제는 우리가 실제로
일하는 상황에서는,
일하는 상황에서는,
05:27
where we do not have a chronometer
to gauge our performance.
to gauge our performance.
102
315232
3922
성과를 측정하는 초정밀 시계 같은건
없다는 것입니다.
없다는 것입니다.
05:31
Alright, performance is bounded,
103
319178
1564
네, 성과는 한정적입니다.
05:32
there are no huge differences between us
when it comes to our performance.
when it comes to our performance.
104
320766
3532
우리의 성과를 보면 그리
큰 차이가 없어요.
큰 차이가 없어요.
05:36
How about success?
105
324322
1157
그럼 성공은요?
05:37
Well, let's switch to
a different topic, like books.
a different topic, like books.
106
325995
2930
다른 주제로 한번 얘기해보죠.
예를 들면 책이요.
예를 들면 책이요.
05:40
One measure of success for writers is
how many people read your work.
how many people read your work.
107
328949
5015
작가에게 있어서 성공이란 얼마나 많은
사람들이 자신의 책을 읽었느냐이죠.
사람들이 자신의 책을 읽었느냐이죠.
05:46
And so when my previous book
came out in 2009,
came out in 2009,
108
334662
4410
제가 최근에 쓴 책은
2009년도에 출간되었는데,
2009년도에 출간되었는데,
그때 저는 편집자와
유럽에 있었습니다.
유럽에 있었습니다.
05:51
I was in Europe talking with my editor,
109
339096
1902
05:53
and I was interested:
Who is the competition?
Who is the competition?
110
341022
2462
그리고 저는 궁금해서 물었죠,
제 경쟁자는 누구죠?
제 경쟁자는 누구죠?
05:56
And I had some fabulous ones.
111
344253
2735
어마어마한 사람들이었어요.
바로 같은 주에
책을 출간한 사람들이요.
책을 출간한 사람들이요.
05:59
That week --
112
347012
1169
06:00
(Laughter)
113
348205
1024
(웃음)
06:01
Dan Brown came out with "The Lost Symbol,"
114
349253
3557
댄 브라운의 "로스트 심벌",
06:04
and "The Last Song" also came out,
115
352834
2982
"라스트 송"도 출간되었고요,
06:07
Nicholas Sparks.
116
355840
1429
니콜라스 스파크스 작품이죠.
06:09
And when you just look at the list,
117
357293
2988
이 목록을 보시면,
06:12
you realize, you know, performance-wise,
there's hardly any difference
there's hardly any difference
118
360305
3453
여러분은 성과를 잘 판단하실 수 있으니
별 차이가 없다는 걸 아실 거예요.
별 차이가 없다는 걸 아실 거예요.
06:15
between these books or mine.
119
363782
1598
이 책들과 제 책 이요.
06:17
Right?
120
365404
1175
그렇죠?
06:18
So maybe if Nicholas Sparks's team
works a little harder,
works a little harder,
121
366603
4668
만일 니콜라스 스파크스의 팀이
좀 더 열심히 일한다면,
좀 더 열심히 일한다면,
06:23
he could easily be number one,
122
371295
1722
그도 쉽게 1위를 했을 겁니다.
06:25
because it's almost by accident
who ended up at the top.
who ended up at the top.
123
373041
2898
누가 1위가 되느냐는
사실 거의 운이니까요.
사실 거의 운이니까요.
06:28
So I said, let's look at the numbers --
I'm a data person, right?
I'm a data person, right?
124
376486
3153
그래서 전 숫자에 의미를 두기로 했죠.
저는 데이타를 중시하는 사람이니까요.
저는 데이타를 중시하는 사람이니까요.
06:31
So let's see what were
the sales for Nicholas Sparks.
the sales for Nicholas Sparks.
125
379663
4318
그럼 니콜라스 스파크스의
판매량을 봅시다.
판매량을 봅시다.
06:36
And it turns out that
that opening weekend,
that opening weekend,
126
384005
2054
출간 첫 주에,
06:38
Nicholas Sparks sold more than
a hundred thousand copies,
a hundred thousand copies,
127
386083
2975
첫 주에 십만 부 이상이 팔렸습니다.
06:41
which is an amazing number.
128
389082
1705
엄청나게 팔린 거죠.
06:42
You can actually get to the top
of the "New York Times" best-seller list
of the "New York Times" best-seller list
129
390811
3396
당장 뉴욕타임즈 베스트 셀러 1위에
올라갈 만한 부수입니다.
올라갈 만한 부수입니다.
06:46
by selling 10,000 copies a week,
130
394231
2110
일주일에 만부만 팔아도요.
06:48
so he tenfold overcame
what he needed to be number one.
what he needed to be number one.
131
396365
3752
그러니 1위가 되기 위한 부수보다
열배나 더 팔은 셈이죠.
열배나 더 팔은 셈이죠.
하지만 1위를 하지 못했습니다.
06:52
Yet he wasn't number one.
132
400141
1430
06:53
Why?
133
401595
1308
왜냐고요?
06:54
Because there was Dan Brown,
who sold 1.2 million copies that weekend.
who sold 1.2 million copies that weekend.
134
402927
4078
그 주에 댄브라운 책이
120만부나 팔렸거든요.
120만부나 팔렸거든요.
06:59
(Laughter)
135
407029
2136
(웃음)
07:01
And the reason I like this number
is because it shows that, really,
is because it shows that, really,
136
409189
3971
제가 이 숫자를 좋아하는 이유는
그것이 의미하는 게 있게 때문인데요.
그것이 의미하는 게 있게 때문인데요.
07:05
when it comes to success, it's unbounded,
137
413184
3730
바로 성공이라는 것에는
한계가 없다는 것입니다.
한계가 없다는 것입니다.
07:08
that the best doesn't only get
slightly more than the second best
slightly more than the second best
138
416938
5861
즉, 1위가 2위의 차이가
근소하지 않을 뿐 아니라,
근소하지 않을 뿐 아니라,
07:14
but gets orders of magnitude more,
139
422823
2697
너무나 엄청난 차이가 날 수도
있다는 것 입니다.
있다는 것 입니다.
07:17
because success is a collective measure.
140
425544
2794
왜냐하면 성공은 집단 전체를
측정하는 개념이니까요.
측정하는 개념이니까요.
07:20
We give it to them, rather than
we earn it through our performance.
we earn it through our performance.
141
428362
4376
우리 개인은 우리의 성과를 통해
보상을 받지만, 성공은 다른 거죠.
보상을 받지만, 성공은 다른 거죠.
07:24
So one of things we realized is that
performance, what we do, is bounded,
performance, what we do, is bounded,
142
432762
5376
여기서 우리는 한 가지를 깨닫죠.
우리가 내는 성과는 한정적이지만,
우리가 내는 성과는 한정적이지만,
07:30
but success, which is
collective, is unbounded,
collective, is unbounded,
143
438162
2682
집단적인 개념인 성공은
한계가 없다는 건데요,
한계가 없다는 건데요,
07:32
which makes you wonder:
144
440868
1312
그럼 궁금한 것이 생기죠.
07:34
How do you get these
huge differences in success
huge differences in success
145
442204
2911
성공의 정도는 왜 이렇게
엄청나게 차이가 나는 걸까요?
엄청나게 차이가 나는 걸까요?
07:37
when you have such tiny
differences in performance?
differences in performance?
146
445139
2906
성과의 차이는 미미한데 말이죠.
07:40
And recently, I published a book
that I devoted to that very question.
that I devoted to that very question.
147
448537
3787
저는 바로 그 질문의 답을 찾는 책을
최근에 출간했습니다.
최근에 출간했습니다.
07:44
And they didn't give me enough time
to go over all of that,
to go over all of that,
148
452348
2839
그 책을 다 설명하긴 시간이
부족하니까요.
부족하니까요.
07:47
so I'm going to go back
to the question of,
to the question of,
149
455211
2071
아까의 질문으로 돌아가보죠.
07:49
alright, you have success;
when should that appear?
when should that appear?
150
457306
3135
여러분이 성공을 한다면
그게 언제일까요?
그게 언제일까요?
07:52
So let's go back to the party spoiler
and ask ourselves:
and ask ourselves:
151
460465
3758
아까 파티를 망쳤던 아인슈타인에 대해
다시 생각해 보고 질문해 봅시다:
다시 생각해 보고 질문해 봅시다:
07:57
Why did Einstein make
this ridiculous statement,
this ridiculous statement,
152
465215
3339
아인슈타인은 왜 그런
터무니 없는 말을 했을까요?
터무니 없는 말을 했을까요?
08:00
that only before 30
you could actually be creative?
you could actually be creative?
153
468578
3156
오직 30살 이전까지만
창의적일 수 있다고요.
창의적일 수 있다고요.
08:03
Well, because he looked around himself
and he saw all these fabulous physicists
and he saw all these fabulous physicists
154
471758
4680
아마 본인과 주변의
훌륭한 물리학자들을 돌아봤겠죠.
훌륭한 물리학자들을 돌아봤겠죠.
08:08
that created quantum mechanics
and modern physics,
and modern physics,
155
476462
2587
양자역학과 현대 물리학을 창시한
과학자들을요.
과학자들을요.
08:11
and they were all in their 20s
and early 30s when they did so.
and early 30s when they did so.
156
479073
3736
그 일을 해냈을 때 그들이 모두
20대 이거나 30대 초반이었거든요.
20대 이거나 30대 초반이었거든요.
08:15
And it's not only him.
157
483730
1220
아인슈타인 뿐만 아니에요.
08:16
It's not only observational bias,
158
484974
1623
단지 관찰상의 편견이 아니라,
08:18
because there's actually
a whole field of genius research
a whole field of genius research
159
486621
3997
실제로 모든 분야의
천재들에 관한 연구를 보면
천재들에 관한 연구를 보면
08:22
that has documented the fact that,
160
490642
2256
그런 사실이 자료화 되어 있습니다.
08:24
if we look at the people
we admire from the past
we admire from the past
161
492922
3160
인류 역사상 존경할 만한 사람들의
사례를 보면,
사례를 보면,
08:28
and then look at what age
they made their biggest contribution,
they made their biggest contribution,
162
496106
3358
그들이 최고의 업적을 이뤘을 때의
나이를 볼까요.
나이를 볼까요.
08:31
whether that's music,
whether that's science,
whether that's science,
163
499488
2096
그 분야가 음악이거나, 과학,
08:33
whether that's engineering,
164
501608
1619
혹은 공학이라도
08:35
most of them tend to do so
in their 20s, 30s, early 40s at most.
in their 20s, 30s, early 40s at most.
165
503251
6123
그들은 기껏해야 20대, 30대, 혹은
기껏해야 40대 초반이었습니다.
기껏해야 40대 초반이었습니다.
08:41
But there's a problem
with this genius research.
with this genius research.
166
509914
2791
하지만 천재들에 관한 이 연구는
문제점이 하나 있죠.
문제점이 하나 있죠.
08:45
Well, first of all, it created
the impression to us
the impression to us
167
513197
3280
우선, 이 연구는
잘못된 인상을 심어줍니다.
잘못된 인상을 심어줍니다.
08:48
that creativity equals youth,
168
516501
3479
즉 창의성은 곧 젊음이라는 인상을요.
08:52
which is painful, right?
169
520004
1610
속상하시죠?
08:53
(Laughter)
170
521638
1951
(웃음)
08:55
And it also has an observational bias,
171
523613
4088
또한 관찰상의 편견도 문제 입니다.
08:59
because it only looks at geniuses
and doesn't look at ordinary scientists
and doesn't look at ordinary scientists
172
527725
4962
왜냐하면 이 연구는 오직 천재들만 볼뿐
평범한 과학자들을 배제하고 있어요.
평범한 과학자들을 배제하고 있어요.
우리 모두를 고려하지도,
우리에게 묻지도 않습니다.
우리에게 묻지도 않습니다.
09:04
and doesn't look at all of us and ask,
173
532711
1965
09:06
is it really true that creativity
vanishes as we age?
vanishes as we age?
174
534700
3185
"나이가 들면 창의성이
정말로 사라지는 건가요?"
정말로 사라지는 건가요?"
09:10
So that's exactly what we tried to do,
175
538382
1877
그게 바로 저희가 연구하려는 건데요.
09:12
and this is important for that
to actually have references.
to actually have references.
176
540283
3803
연구를 위해서는
실제 사례를 모으는 것도 중요합니다.
실제 사례를 모으는 것도 중요합니다.
09:16
So let's look at an ordinary
scientist like myself,
scientist like myself,
177
544110
2643
그럼, 저같이 평범한 과학자를
한번 생각해 볼까요.
한번 생각해 볼까요.
09:18
and let's look at my career.
178
546777
1522
제 경력을 보시죠.
09:20
So what you see here is all the papers
that I've published
that I've published
179
548323
3202
이 그래프는 제가 발표한
모든 논문을 표시한 것입니다.
모든 논문을 표시한 것입니다.
09:23
from my very first paper, in 1989;
I was still in Romania when I did so,
I was still in Romania when I did so,
180
551549
5115
1989년에 낸 첫 논문부터요,
저는 그때 루마니아에 있었고,
저는 그때 루마니아에 있었고,
09:28
till kind of this year.
181
556688
1593
올해까지도 그랬죠.
09:30
And vertically, you see
the impact of the paper,
the impact of the paper,
182
558940
2518
세로축은 제 논문의
영향력을 나타냅니다.
영향력을 나타냅니다.
09:33
that is, how many citations,
183
561482
1403
즉, 얼마나 많이 인용되었는지,
09:34
how many other papers
have been written that cited that work.
have been written that cited that work.
184
562909
3988
제 논문을 인용한 다른 논문이
몇 편 발표되었는지 말입니다.
몇 편 발표되었는지 말입니다.
09:39
And when you look at that,
185
567397
1300
그 내용을 잘 보면
09:40
you see that my career
has roughly three different stages.
has roughly three different stages.
186
568721
2813
대략 제 경력을 세 시기로
나눌 수 있는게 보이시죠.
나눌 수 있는게 보이시죠.
09:43
I had the first 10 years
where I had to work a lot
where I had to work a lot
187
571558
2435
첫 10년간, 전 매우 열심히 일했죠.
09:46
and I don't achieve much.
188
574017
1276
그러나 성과는 별로였죠.
09:47
No one seems to care
about what I do, right?
about what I do, right?
189
575317
2118
아무도 제 일에 신경쓰지
않았던 것 같죠?
않았던 것 같죠?
09:49
There's hardly any impact.
190
577459
1681
거의 영향력이 없던 시기입니다.
09:51
(Laughter)
191
579164
1404
(웃음)
09:52
That time, I was doing material science,
192
580592
2887
그 당시, 저는 재료과학을
연구하고 있었습니다.
연구하고 있었습니다.
09:55
and then I kind of discovered
for myself networks
for myself networks
193
583503
3691
그리고 네트워크에 관심을 갖게 되었고
09:59
and then started publishing in networks.
194
587218
1947
네트워크에 관한 논문을 쓰기 시작했죠.
10:01
And that led from one high-impact
paper to the other one.
paper to the other one.
195
589189
3073
그 논문이 다른 사람들에게
영향을 주기 시작했습니다.
영향을 주기 시작했습니다.
10:04
And it really felt good.
That was that stage of my career.
That was that stage of my career.
196
592286
3104
정말 기분이 좋았죠,
바로 이 시기죠.
바로 이 시기죠.
10:07
(Laughter)
197
595414
1282
(웃음)
10:08
So the question is,
what happens right now?
what happens right now?
198
596720
3208
그렇다면 지금은 어떨까요?
10:12
And we don't know, because there
hasn't been enough time passed yet
hasn't been enough time passed yet
199
600587
3239
아직은 잘 모릅니다.
제 논문들이 얼마나 영향을 끼칠지를
제 논문들이 얼마나 영향을 끼칠지를
10:15
to actually figure out how much impact
those papers will get;
those papers will get;
200
603850
2987
알기 위한 시간이 아직
충분히 지나지 않았으니까요.
충분히 지나지 않았으니까요.
10:18
it takes time to acquire.
201
606861
1227
시간이 걸리는 일이죠.
이 자료를 보면,
10:20
Well, when you look at the data,
202
608112
1569
10:21
it seems to be that Einstein,
the genius research, is right,
the genius research, is right,
203
609705
2854
천재 아인슈타인이 한 말이
맞는 것 같네요.
맞는 것 같네요.
10:24
and I'm at that stage of my career.
204
612583
1811
제가 바로 이 시기에 해당하니까요.
10:26
(Laughter)
205
614418
2308
(웃음)
10:28
So we said, OK, let's figure out
how does this really happen,
how does this really happen,
206
616750
5974
그럼, 실제로 어떠한지 알아볼까요?
10:34
first in science.
207
622748
1778
우선 과학분야에서요.
10:36
And in order not to have
the selection bias,
the selection bias,
208
624550
3632
선택에 따른 오류를 피하기 위해서
10:40
to look only at geniuses,
209
628206
1337
천재들만 관찰하지 않고
10:41
we ended up reconstructing the career
of every single scientist
of every single scientist
210
629567
3716
모든 과학자들의 경력을
재구성 해보았습니다.
재구성 해보았습니다.
10:45
from 1900 till today
211
633307
2502
1900년대부터 현재까지
모든 과학자들에 대해서요.
모든 과학자들에 대해서요.
10:47
and finding for all scientists
what was their personal best,
what was their personal best,
212
635833
3712
그들 개개인의 최고의 시기를
모두 조사했습니다.
모두 조사했습니다.
10:51
whether they got the Nobel Prize
or they never did,
or they never did,
213
639569
2812
노벨상을 받았던 과학자이건
아니건 간에요.
아니건 간에요.
10:54
or no one knows what they did,
even their personal best.
even their personal best.
214
642405
3407
그들이 최고의 시기였다는걸
아무도 몰랐다 하더라도요.
아무도 몰랐다 하더라도요.
10:57
And that's what you see in this slide.
215
645836
1915
이것이 바로 그 자료입니다.
10:59
Each line is a career,
216
647775
1573
각각의 선은 경력을 의미하고,
11:01
and when you have a light blue dot
on the top of that career,
on the top of that career,
217
649372
3003
그 경력의 맨 윗부분에 파란 점은
11:04
it says that was their personal best.
218
652399
2040
바로 개개인의 최고의 시기를 의미하죠.
11:06
And the question is,
219
654463
1155
여기서 궁금한 건,
11:07
when did they actually make
their biggest discovery?
their biggest discovery?
220
655642
3568
그들이 가장 큰 발견을 해낸 시기는
언제일까요?
언제일까요?
11:11
To quantify that,
221
659234
1165
그걸 수량화하기 위해,
11:12
we look at what's the probability
that you make your biggest discovery,
that you make your biggest discovery,
222
660423
3376
여러분이 가장 큰 발견을 해낼
가능성에 대해 생각해 봅시다.
가능성에 대해 생각해 봅시다.
11:15
let's say, one, two, three
or 10 years into your career?
or 10 years into your career?
223
663823
2672
아마 일을 시작한지
1년, 2년, 3년 혹은 10년?
1년, 2년, 3년 혹은 10년?
11:18
We're not looking at real age.
224
666519
1480
실제 나이를 말하는 게 아니라
11:20
We're looking at
what we call "academic age."
what we call "academic age."
225
668023
2134
"학계의 나이"를 말하는 것입니다.
11:22
Your academic age starts
when you publish your first papers.
when you publish your first papers.
226
670181
3250
학계의 나이는 첫 논문을 발표한
시기로부터 시작됩니다.
시기로부터 시작됩니다.
11:25
I know some of you are still babies.
227
673455
1779
여러분 중 일부는 아직 아기이죠.
11:27
(Laughter)
228
675258
1397
(웃음)
11:28
So let's look at the probability
229
676679
2706
가능성을 한번 봅시다.
여러분이 영향력 있는 논문을
발표할 가능성이요.
발표할 가능성이요.
11:31
that you publish
your highest-impact paper.
your highest-impact paper.
230
679409
2066
11:33
And what you see is, indeed,
the genius research is right.
the genius research is right.
231
681499
3071
이걸 보시면 천재들에 관한 연구가
정말 맞다는걸 알 수 있죠.
정말 맞다는걸 알 수 있죠.
11:36
Most scientists tend to publish
their highest-impact paper
their highest-impact paper
232
684594
3024
대부분의 과학자들이
가장 영향력있는 논문을 발표하는 시기는
가장 영향력있는 논문을 발표하는 시기는
11:39
in the first 10, 15 years in their career,
233
687642
2899
10년이나 15년 이내이고,
11:42
and it tanks after that.
234
690565
3133
그 후엔 침체기를 겪습니다.
11:45
It tanks so fast that I'm about --
I'm exactly 30 years into my career,
I'm exactly 30 years into my career,
235
693722
5107
매우 급격히 침체기로 접어드는데
제 경력이 30년째이니
제 경력이 30년째이니
11:50
and the chance that I will publish a paper
that would have a higher impact
that would have a higher impact
236
698853
3540
제가 전에 발표한 논문보다
11:54
than anything that I did before
237
702417
1940
더 영향력있는 논문을 쓰게 될
가능성은 1% 이하입니다.
가능성은 1% 이하입니다.
11:56
is less than one percent.
238
704381
1353
11:57
I am in that stage of my career,
according to this data.
according to this data.
239
705758
3049
이 표에 따르면 바로 저는
그 시기에 해당되네요.
그 시기에 해당되네요.
12:01
But there's a problem with that.
240
709648
1843
하지만 여기에는 한 가지 문제가 있죠.
12:03
We're not doing controls properly.
241
711515
3675
다른 표본을 제대로
통제하지 않았거든요.
통제하지 않았거든요.
12:07
So the control would be,
242
715214
1417
통제란 이런 겁니다.
12:08
what would a scientist look like
who makes random contribution to science?
who makes random contribution to science?
243
716655
4607
어떤 과학자가 무작위로 과학에
기여하게 되는 경우는 어떨까?
기여하게 되는 경우는 어떨까?
12:13
Or what is the productivity
of the scientist?
of the scientist?
244
721286
2995
혹은 과학자들의 생산성이란
무엇을 의미할까?
무엇을 의미할까?
12:16
When do they write papers?
245
724305
2006
그들은 언제 논문을 쓰는 걸까?
12:18
So we measured the productivity,
246
726335
2444
그래서 저희는 생산성을
측정해 보았습니다.
측정해 보았습니다.
12:20
and amazingly, the productivity,
247
728803
2052
놀랍게도 그 생산성 즉,
12:22
your likelihood of writing a paper
in year one, 10 or 20 in your career,
in year one, 10 or 20 in your career,
248
730879
4131
1년, 10년 혹은 20년 이내
논문을 쓰게 될 가능성과
논문을 쓰게 될 가능성과
12:27
is indistinguishable from the likelihood
of having the impact
of having the impact
249
735034
3606
그 시기에 영향력을 갖게 될 가능성이
동일하다는 것입니다.
동일하다는 것입니다.
12:30
in that part of your career.
250
738664
1775
경력 전체를 놓고 볼 때요.
12:33
And to make a long story short,
251
741026
1783
결국 요약하면,
12:34
after lots of statistical tests,
there's only one explanation for that,
there's only one explanation for that,
252
742833
4228
많은 통계자료를 검증해 본 결과
오직 하나의 결론에 도달했어요.
오직 하나의 결론에 도달했어요.
12:39
that really, the way we scientists work
253
747085
2894
즉, 과학자들은 연구를 하죠,
12:42
is that every single paper we write,
every project we do,
every project we do,
254
750003
3633
그런데 우리가 어떤 논문을 쓰건,
어떤 연구를 진행하건,
어떤 연구를 진행하건,
12:45
has exactly the same chance
of being our personal best.
of being our personal best.
255
753660
4160
그것이 우리의 최고의 결과가 될
가능성은 항상 똑같다는 겁니다.
가능성은 항상 똑같다는 겁니다.
12:49
That is, discovery is like
a lottery ticket.
a lottery ticket.
256
757844
4953
위대한 발견은 복권과 같다는 거죠.
12:54
And the more lottery tickets we buy,
257
762821
2351
복권은 많이 살수록,
12:57
the higher our chances.
258
765196
1507
당첨될 확률이 높아집니다.
12:58
And it happens to be so
259
766727
1559
다시 말하면
13:00
that most scientists buy
most of their lottery tickets
most of their lottery tickets
260
768310
2719
대부분의 과학자들은
자신의 경력 중 10년, 15년 이내에
자신의 경력 중 10년, 15년 이내에
13:03
in the first 10, 15 years of their career,
261
771053
2460
복권을 산다는 것이고,
13:05
and after that,
their productivity decreases.
their productivity decreases.
262
773537
3413
그 후에, 그들의 생산성은 떨어지죠.
13:09
They're not buying
any more lottery tickets.
any more lottery tickets.
263
777411
2084
더 이상 복권을 사지 않는다는 거죠.
13:11
So it looks as if
they would not be creative.
they would not be creative.
264
779519
3444
그들은 창조적이지
않은 것처럼 보이지만,
않은 것처럼 보이지만,
13:14
In reality, they stopped trying.
265
782987
1999
사실은, 노력을 멈춘 것이죠.
13:17
So when we actually put the data together,
the conclusion is very simple:
the conclusion is very simple:
266
785509
3915
이 모든 자료를 취합해보면,
결론은 매우 간단합니다.
결론은 매우 간단합니다.
13:21
success can come at any time.
267
789448
2331
성공은 언제든지 일어날 수 있습니다.
13:23
It could be your very first
or very last paper of your career.
or very last paper of your career.
268
791803
3735
첫 번째 논문에서일 수도 있고
마지막 논문에서일 수도 있습니다.
마지막 논문에서일 수도 있습니다.
13:27
It's totally random
in the space of the projects.
in the space of the projects.
269
795562
4288
어떤 연구에서 성공하게 될지
정말로 예측할 수 없습니다.
정말로 예측할 수 없습니다.
13:31
It is the productivity that changes.
270
799874
1931
하지만 생산성은 다릅니다.
13:33
Let me illustrate that.
271
801829
1252
보여드리죠.
13:35
Here is Frank Wilczek,
who got the Nobel Prize in Physics
who got the Nobel Prize in Physics
272
803105
3269
노벨물리학상을 받은
프랭크 윌첵을 아시죠.
프랭크 윌첵을 아시죠.
13:38
for the very first paper he ever wrote
in his career as a graduate student.
in his career as a graduate student.
273
806398
4101
대학원생이었을 때 발표한
첫 논문으로 상을 탔어요.
첫 논문으로 상을 탔어요.
13:42
(Laughter)
274
810523
1007
(웃음)
13:43
More interesting is John Fenn,
275
811554
3218
더 흥미로운 케이스는 존 펜인데요.
13:46
who, at age 70, was forcefully retired
by Yale University.
by Yale University.
276
814796
4598
그는 70세에 예일대에서
강제로 은퇴를 했죠.
강제로 은퇴를 했죠.
13:51
They shut his lab down,
277
819418
2056
학교측에서 그의 연구실을 폐쇄했거든요.
13:53
and at that moment, he moved
to Virginia Commonwealth University,
to Virginia Commonwealth University,
278
821498
3666
그러자 그는 버지니아 복지대학으로
자리를 옮겨
자리를 옮겨
13:57
opened another lab,
279
825188
1786
다른 연구실을 열어서
13:58
and it is there, at age 72,
that he published a paper
that he published a paper
280
826998
3033
72세에 논문을 발표합니다.
14:02
for which, 15 years later, he got
the Nobel Prize for Chemistry.
the Nobel Prize for Chemistry.
281
830055
3845
15년 후 그 논문으로
노벨화학상을 받았습니다.
노벨화학상을 받았습니다.
14:06
And you think, OK,
well, science is special,
well, science is special,
282
834940
3042
과학은 특수한 분야라서
그럴수도 있다고 생각하시나요?
그럴수도 있다고 생각하시나요?
14:10
but what about other areas
where we need to be creative?
where we need to be creative?
283
838006
3463
그럼 다른 분야는 어떨까요?
창의력을 필요로 하는 분야요.
창의력을 필요로 하는 분야요.
14:13
So let me take another
typical example: entrepreneurship.
typical example: entrepreneurship.
284
841493
4936
다른 전형적인 예시를 들어볼까요?
창업 쪽은 어떨까요?
창업 쪽은 어떨까요?
14:18
Silicon Valley,
285
846834
1579
실리콘 밸리,
14:20
the land of the youth, right?
286
848437
2066
젊은이들의 공간이죠?
14:22
And indeed, when you look at it,
287
850527
1595
네 정말 그렇습니다.
14:24
you realize that the biggest awards,
the TechCrunch Awards and other awards,
the TechCrunch Awards and other awards,
288
852146
4642
가장 큰 상인 테크크런치상이나
다른 상들을 받는 사람들은 보면
다른 상들을 받는 사람들은 보면
14:28
are all going to people
289
856812
2173
14:31
whose average age
is late 20s, very early 30s.
is late 20s, very early 30s.
290
859009
5015
모두 20대 후반이나, 30대 초반이죠
14:36
You look at who the VCs give the money to,
some of the biggest VC firms --
some of the biggest VC firms --
291
864465
5602
벤쳐 캐피탈 회사들이 투자하는
회사들을 보시면 모두
회사들을 보시면 모두
14:42
all people in their early 30s.
292
870091
2241
30대 초반의 젊은이들이
운영하는 회사죠.
운영하는 회사죠.
14:44
Which, of course, we know;
293
872951
1265
우리 모두 알다시피
14:46
there is this ethos in Silicon Valley
that youth equals success.
that youth equals success.
294
874240
4453
실리콘 밸리에서는 젊음이 곧
성공을 의미하니까요.
성공을 의미하니까요.
14:51
Not when you look at the data,
295
879653
2183
하지만 자료를 보시면,
14:53
because it's not only
about forming a company --
about forming a company --
296
881860
2304
회사를 세우는 게
전부가 아님을 알 수 있죠.
전부가 아님을 알 수 있죠.
14:56
forming a company is like productivity,
trying, trying, trying --
trying, trying, trying --
297
884188
3140
그것은 생산성에 관한 일이죠,
끊임없이 시도해야 하니까요.
끊임없이 시도해야 하니까요.
14:59
when you look at which
of these individuals actually put out
of these individuals actually put out
298
887352
3484
하지만 이 개인들이 실제로 해내는
결과를 보면 어떨까요,
결과를 보면 어떨까요,
15:02
a successful company, a successful exit.
299
890860
2782
즉 회사를 결국 성공적으로
매듭짓는 것 말입니다.
매듭짓는 것 말입니다.
15:05
And recently, some of our colleagues
looked at exactly that question.
looked at exactly that question.
300
893666
3720
저희는 바로 이 질문을
최근에 갖게 되었는데요.
최근에 갖게 되었는데요.
15:09
And it turns out that yes,
those in the 20s and 30s
those in the 20s and 30s
301
897410
3156
그 결과는 보시면,
20대나 30대의 젊은이들은
20대나 30대의 젊은이들은
15:12
put out a huge number of companies,
form lots of companies,
form lots of companies,
302
900590
3348
정말 많은 회사를 창업합니다.
15:15
but most of them go bust.
303
903962
1531
하지만 대부분 실패합니다.
15:18
And when you look at the successful exits,
what you see in this particular plot,
what you see in this particular plot,
304
906089
4195
이 표에서 성공적인 결과를
이끌어내는 사례를 보시면,
이끌어내는 사례를 보시면,
15:22
the older you are, the more likely that
you will actually hit the stock market
you will actually hit the stock market
305
910308
3695
여러분이 나이가 많을 수록 주식시장에서
성공을 거둘 확률이 높아지며
성공을 거둘 확률이 높아지며
15:26
or the sell the company successfully.
306
914027
2312
회사를 성공적으로 매도할
가능성도 높아집니다.
가능성도 높아집니다.
15:28
This is so strong, actually,
that if you are in the 50s,
that if you are in the 50s,
307
916847
3113
즉, 여러분이 50대라면,
15:31
you are twice as likely
to actually have a successful exit
to actually have a successful exit
308
919984
3588
성공적인 결과를 얻을 확률이
두 배나 될 가능성이 매우 높습니다.
두 배나 될 가능성이 매우 높습니다.
15:35
than if you are in your 30s.
309
923596
1890
30대 인 경우보다요.
15:38
(Applause)
310
926613
4325
(박수)
15:43
So in the end, what is it
that we see, actually?
that we see, actually?
311
931645
3009
결국, 우리가 확인한 건 무엇인가요?
15:46
What we see is that creativity has no age.
312
934678
4083
창의성은 나이와 관계가 없지만
15:50
Productivity does, right?
313
938785
2202
생산성은 나이와 관계가 있다는 거죠?
15:53
Which is telling me that
at the end of the day,
at the end of the day,
314
941424
4135
오늘 이야기를 마치면서
하고 싶은 이야기가 있는데요.
하고 싶은 이야기가 있는데요.
15:57
if you keep trying --
315
945583
2000
여러분이 계속 노력한다면
15:59
(Laughter)
316
947607
2403
(웃음)
16:02
you could still succeed
and succeed over and over.
and succeed over and over.
317
950034
3572
여전히 성공, 계속해서
성공할 수 있다는 것입니다.
성공할 수 있다는 것입니다.
16:05
So my conclusion is very simple:
318
953630
2391
제 결론은 매우 간단하죠.
16:08
I am off the stage, back in my lab.
319
956045
2093
무대를 내려가
연구실로 돌아가는 겁니다.
연구실로 돌아가는 겁니다.
16:10
Thank you.
320
958162
1171
감사합니다.
16:11
(Applause)
321
959357
3309
(박수)
ABOUT THE SPEAKER
Albert-László Barabási - Network scientistA pioneer in network science, Albert-László Barabási uncovers the hidden order behind complex systems.
Why you should listen
Albert-László Barabási is fascinated by a wide range of topics, from the structure of the brain and treating diseases with network medicine to the emergence of success in art and how science really works. His work uses the quantitative tools of network science, a research field that he pioneered, and led to the discovery of scale-free networks, helping explain the emergence of many natural, technological and social networks.
Barabási is the Robert Gray Dodge Professor of Network Science at Northeastern University and holds an appointment in the Department of Medicine at Harvard Medical School. He splits his time with Budapest, where he runs a European Research Council project at Central European University. A Hungarian born native of Transylvania, Romania, he received his masters in theoretical physics at the Eötvös University in Budapest, Hungary and his PhD three years later at Boston University.
Barabási’s latest book is The Formula: The Universal Laws of Success. He is also the author of Network Science, Linked and Bursts. He co-edited Network Medicine and The Structure and Dynamics of Networks. His books have been translated into over twenty languages.
Albert-László Barabási | Speaker | TED.com