TEDxMidAtlantic
Albert-László Barabási: The real relationship between your age and your chance of success
આલ્બર્ટ-લઝ્લી બારાબસી: તમારી ઉંમર અને તમારી સફળતાની તક વચ્ચેનો વાસ્તવિક સંબંધ
Filmed:
Readability: 4
2,762,222 views
ગાણિતિક વિશ્લેષણ દ્વારા સમર્થિત, નેટવર્ક સિદ્ધાંતવાદક આલ્બર્ટ-લઝ્લી બારાબસીએ છુપાયેલા મિકેનિઝમ્સની શોધ કરી કે જે સફળતાને વેગ આપે છે - તમારા ક્ષેત્રમાં કોઈ બાબત નથી - અને તમારી ઉંમર અને તેને મોટું બનાવવાની તક વચ્ચેના એક રસપ્રદ જોડાણને શોધી છે.
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
આજે ખરેખર મારા માટે ખૂબ જ ખાસ દિવસ છે
00:14
because it is my birthday.
1
2539
2121
કારણ કે તે મારો જન્મ દિવસ છે.
00:16
(Applause)
2
4684
3973
(અભિવાદન)
તેથી પાર્ટીમાં જોડાવા બદલ આપ સૌનો આભાર.
00:20
And so, thanks to all of you
for joining the party.
for joining the party.
3
8681
3441
(હાસ્ય)
00:24
(Laughter)
4
12146
1167
પરંતુ જયારે તમે પાર્ટી રાખો છો ત્યારે
કોઈ તેને બગાડવાનું કરે છે, ખરું ને?
કોઈ તેને બગાડવાનું કરે છે, ખરું ને?
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
(હાસ્ય)
અને હું એક ભૌતિકશાસ્ત્રી છું.
00:30
(Laughter)
6
18147
1072
00:31
And I'm a physicist,
7
19243
1359
અને આ વખતે હું આવું કરવા માટે
બીજો ભૌતિકશાસ્ત્રી સાથે લાવ્યો.
બીજો ભૌતિકશાસ્ત્રી સાથે લાવ્યો.
00:32
and this time I brought
another physicist along to do so.
another physicist along to do so.
8
20626
4157
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
તેનું નામ આલબટૅ આઈન્સ્ટાઈન-- આલબટૅ
--પણ છે અને તેણે જ કહ્યું હતું.
--પણ છે અને તેણે જ કહ્યું હતું.
00:41
that the person who has not made
his great contributions to science
his great contributions to science
10
29393
4830
તે વ્યક્તિ જેણે વિજ્ઞાન અને ટેકનોલોજીમાં પોતાનું મહત્વનું યોગદાન આપ્યું નથી.
00:46
by the age of 30
11
34247
1559
30 વર્ષની વયે
00:47
will never do so.
12
35830
1396
કયારેય આવું નહિ કરીશ.
00:49
(Laughter)
13
37250
1012
(હાસ્ય)
00:50
Now, you don't need to check Wikipedia
14
38286
2340
હવે તમારે વિકિપીડિયા તપાસવાની જરૂર નથી
00:52
that I'm beyond 30.
15
40650
1571
કે હું 30 ની પાર છું.
00:54
(Laughter)
16
42245
1416
(હાસ્ય)
00:55
So, effectively, what
he is telling me, and us,
he is telling me, and us,
17
43685
3606
તેથી ,અસરકારક રીતે
, તે મને અને અમને શું કહે છે
, તે મને અને અમને શું કહે છે
00:59
is that when it comes to my science,
18
47315
2544
જ્યારે મારા વિજ્ઞાનની વાત આવે ત્યારે ,
01:01
I'm deadwood.
19
49883
1203
હું મૃતલાકડું છું.
01:04
Well, luckily, I had my share
of luck within my career.
of luck within my career.
20
52078
5586
સદભાગ્યે, મારી કારકિર્દીમાં
મારે ભાગ્ય નો ભાગ હતો.
મારે ભાગ્ય નો ભાગ હતો.
01:10
Around age 28, I became
very interested in networks,
very interested in networks,
21
58132
3822
લગભગ 28 વર્ષની આસપાસની
નેટવર્કમાં ખુબ રસ જાગ્યો ,
નેટવર્કમાં ખુબ રસ જાગ્યો ,
01:13
and a few years later, we managed
to publish a few key papers
to publish a few key papers
22
61978
4076
આને થોડા વર્ષો પછી અમે કેટલાક ચાવીરૂપ
કાગળો પ્રકાશિત કરવામાં સફળ થયા
કાગળો પ્રકાશિત કરવામાં સફળ થયા
01:18
that reported the discovery
of scale-free networks
of scale-free networks
23
66078
4097
કે શોધ અહેવાલ
સ્કેલ-ફ્રી નેટવર્ક
સ્કેલ-ફ્રી નેટવર્ક
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
અને ખરેખર નવા શિસ્તને જન્મ આપ્યો
જેને આપણે આજે નેટવર્ક સાયન્સ કહીએ છીએ.
જેને આપણે આજે નેટવર્ક સાયન્સ કહીએ છીએ.
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
અને જો તમે ખરેખર તેની કાળજી લો છો,
તમે નેટવર્ક વિજ્ઞાનમાં પીએચડી મેળવી શકો છો
તમે નેટવર્ક વિજ્ઞાનમાં પીએચડી મેળવી શકો છો
01:30
in Budapest, in Boston,
26
78503
2028
બુડાપેસ્ટમાં, બોસ્ટનમાં,
01:32
and you can study it all over the world.
27
80555
2308
અને તમે તેનો અભ્યાસ સમગ્ર
વિશ્વમાં કરી શકો છો.
વિશ્વમાં કરી શકો છો.
01:35
A few years later,
28
83466
1595
થોડા વર્ષો પછી,
01:37
when I moved to Harvard
first as a sabbatical,
first as a sabbatical,
29
85085
3230
જ્યારે હું હાર્વર્ડ ગયો
પ્રથમ સબાટિકલ તરીકે,
પ્રથમ સબાટિકલ તરીકે,
01:40
I became interested
in another type of network:
in another type of network:
30
88339
3092
મને રસ પડ્યો
બીજા પ્રકારનાં નેટવર્કમાં:
બીજા પ્રકારનાં નેટવર્કમાં:
01:43
that time, the networks within ourselves,
31
91455
3027
તે સમયે, આપણી અંદરનાં નેટવર્ક્સ,
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
કેવી રીતે જનીનો અને પ્રોટીન
અને ચયાપચય એકબીજા સાથે જોડાય છે
અને ચયાપચય એકબીજા સાથે જોડાય છે
01:50
and how they connect to disease.
33
98256
2493
અને તેઓ રોગ સાથે કેવી રીતે જોડાય છે.
01:53
And that interest led
to a major explosion within medicine,
to a major explosion within medicine,
34
101368
4592
અને તે રસ તરફ દોરી
દવા અંદર મોટા વિસ્ફોટ માટે,
દવા અંદર મોટા વિસ્ફોટ માટે,
01:57
including the Network Medicine
Division at Harvard,
Division at Harvard,
35
105984
3979
નેટવર્ક મેડિસિન સહિત
હાર્વર્ડ ખાતે વિભાગ,
હાર્વર્ડ ખાતે વિભાગ,
02:01
that has more than 300 researchers
who are using this perspective
who are using this perspective
36
109987
3395
જેમાં 300 થી વધુ સંશોધકો છે
જેઓ આ દ્રષ્ટિકોણનો ઉપયોગ કરી રહ્યા છે
જેઓ આ દ્રષ્ટિકોણનો ઉપયોગ કરી રહ્યા છે
02:05
to treat patients and develop new cures.
37
113406
2897
દર્દીઓની સારવાર કરવા અને
નવા ઉપચાર વિકસાવવા માટે.
નવા ઉપચાર વિકસાવવા માટે.
02:09
And a few years ago,
38
117457
1770
અને થોડા વર્ષો પહેલા,
02:11
I thought that I would take
this idea of networks
this idea of networks
39
119251
2526
મેં વિચાર્યું કે હું લઈશ
નેટવર્ક્સનો આ વિચાર
નેટવર્ક્સનો આ વિચાર
02:13
and the expertise we had in networks
40
121801
1766
અને નેટવર્ક્સમાં અમારી પાસે જે કુશળતા છે
02:15
in a different area,
41
123591
1392
એક અલગ વિસ્તારમાં,
02:17
that is, to understand success.
42
125007
1982
એટલે કે સફળતાને સમજવી.
02:19
And why did we do that?
43
127704
1210
અને અમે તે કેમ કર્યું?
02:20
Well, we thought that, to some degree,
44
128938
2281
સારું, અમે વિચાર્યું કે, અમુક અંશે,
02:23
our success is determined
by the networks we're part of --
by the networks we're part of --
45
131243
3377
આપણી સફળતા નિશ્ચિત છે
નેટવર્ક્સ દ્વારા અમે ભાગ છીએ -
નેટવર્ક્સ દ્વારા અમે ભાગ છીએ -
02:26
that our networks can push us forward,
they can pull us back.
they can pull us back.
46
134644
3847
કે અમારા નેટવર્ક અમને આગળ ધકેલી શકે છે,
તેઓ અમને પાછા ખેંચી શકે છે.
તેઓ અમને પાછા ખેંચી શકે છે.
અને જો આપણે ઉપયોગ કરી શકીએ તો હું ઉત્સુક
હતો જે જ્ઞાન અને મોટા ડેટા અને કુશળતા
હતો જે જ્ઞાન અને મોટા ડેટા અને કુશળતા
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
જ્યાં આપણે નેટવર્ક વિકસાવીએ છીએ
02:35
where we develop the networks
48
143077
1403
02:36
to really quantify
how these things happen.
how these things happen.
49
144504
3296
ખરેખર પ્રમાણિત કરવા માટે
આ વસ્તુઓ કેવી રીતે થાય છે.
આ વસ્તુઓ કેવી રીતે થાય છે.
02:40
This is a result from that.
50
148404
1342
આ તે પરિણામ છે.
02:41
What you see here is a network
of galleries in museums
of galleries in museums
51
149770
2947
તમે જે અહીં જુઓ છો તે એક નેટવર્ક છે
સંગ્રહાલયોમાં ગેલેરીઓ
સંગ્રહાલયોમાં ગેલેરીઓ
02:44
that connect to each other.
52
152741
1632
કે જે એકબીજા સાથે જોડાય છે.
02:46
And through this map
that we mapped out last year,
that we mapped out last year,
53
154806
4055
અને આ નકશા દ્વારા
કે અમે ગયા વર્ષે મેપ આઉટ કર્યું,
કે અમે ગયા વર્ષે મેપ આઉટ કર્યું,
02:50
we are able to predict very accurately
the success of an artist
the success of an artist
54
158885
4848
અમે ખૂબ જ સચોટ આગાહી કરવામાં સક્ષમ છીએ
એક કલાકાર સફળતા
એક કલાકાર સફળતા
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
જો તમે મને પ્રથમ પાંચ પ્રદર્શન આપો
કે તે અથવા તેણીની કારકીર્દિમાં.
કે તે અથવા તેણીની કારકીર્દિમાં.
03:01
Well, as we thought about success,
56
169404
2706
સારું, આપણે સફળતા વિશે વિચાર્યું છે,
03:04
we realized that success
is not only about networks;
is not only about networks;
57
172134
3067
અમને એ સફળતાનો અહેસાસ થયો
માત્ર નેટવર્ક્સ વિશે જ નથી;
માત્ર નેટવર્ક્સ વિશે જ નથી;
03:07
there are so many
other dimensions to that.
other dimensions to that.
58
175225
2396
ત્યાં ઘણા બધા છે
કે અન્ય પરિમાણો.
કે અન્ય પરિમાણો.
03:10
And one of the things
we need for success, obviously,
we need for success, obviously,
59
178145
3247
અને એક વસ્તુ
આપણને સફળતાની જરૂર છે, દેખીતી રીતે,
આપણને સફળતાની જરૂર છે, દેખીતી રીતે,
03:13
is performance.
60
181416
1170
કામગીરી છે.
03:14
So let's define what's the difference
between performance and success.
between performance and success.
61
182610
3504
તો ચાલો વ્યાખ્યાયિત કરીએ કે શું તફાવત છે
પ્રભાવ અને સફળતા વચ્ચે.
પ્રભાવ અને સફળતા વચ્ચે.
03:18
Well, performance is what you do:
62
186465
1997
સારું, પ્રભાવ તે છે જે તમે કરો છો:
03:20
how fast you run,
what kind of paintings you paint,
what kind of paintings you paint,
63
188486
3032
તમે કેટલી ઝડપથી દોડો છો,
તમે કયા પ્રકારનાં ચિત્રો દોરો,
તમે કયા પ્રકારનાં ચિત્રો દોરો,
03:23
what kind of papers you publish.
64
191542
1881
તમે કયા પ્રકારનાં કાગળો પ્રકાશિત કરો છો.
03:25
However, in our working definition,
65
193835
2614
જો કે, અમારી કાર્યકારી વ્યાખ્યામાં,
03:28
success is about what the community
notices from what you did,
notices from what you did,
66
196473
4205
સફળતા એ સમુદાયની છે
તમે જે કર્યું તેની સૂચનાઓ
તમે જે કર્યું તેની સૂચનાઓ
03:32
from your performance:
67
200702
1612
તમારા પ્રદર્શનથી:
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
તે તેને કેવી રીતે સ્વીકારે છે,અને તે તમને
તેના માટે કેવી રીતે ઇનામ આપે છે?
તેના માટે કેવી રીતે ઇનામ આપે છે?
03:38
In other terms,
69
206494
1182
અન્ય શરતોમાં,
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
તમારું પ્રદર્શન તમારા વિશે છે,
પરંતુ તમારી સફળતા આપણા બધા વિશે છે.
પરંતુ તમારી સફળતા આપણા બધા વિશે છે.
03:45
And this was a very
important shift for us,
important shift for us,
71
213392
3334
અને આ ખૂબ હતું
અમારા માટે મહત્વપૂર્ણ પાળી,
અમારા માટે મહત્વપૂર્ણ પાળી,
03:48
because the moment we defined success
as being a collective measure
as being a collective measure
72
216750
4024
ક્ષણ અમે સફળતા વ્યાખ્યાયિત કારણ કે
સામૂહિક પગલા તરીકે
સામૂહિક પગલા તરીકે
03:52
that the community provides to us,
73
220798
2106
જે સમુદાય અમને પ્રદાન કરે છે,
03:54
it became measurable,
74
222928
1510
તે માપી શકાય તેવું બન્યું,
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
કારણ કે જો તે સમુદાયમાં છે,
તે વિશે બહુવિધ ડેટા પોઇન્ટ્સ છે.
તે વિશે બહુવિધ ડેટા પોઇન્ટ્સ છે.
04:00
So we go to school,
we exercise, we practice,
we exercise, we practice,
76
228996
5280
તેથી અમે શાળાએ જઈએ છીએ,
આપણે કસરત કરીએ છીએ, પ્રેક્ટિસ કરીએ છીએ,
આપણે કસરત કરીએ છીએ, પ્રેક્ટિસ કરીએ છીએ,
04:06
because we believe
that performance leads to success.
that performance leads to success.
77
234300
2991
કારણ કે આપણે માનીએ છીએ
કે પ્રભાવ સફળતા તરફ દોરી જાય છે.
કે પ્રભાવ સફળતા તરફ દોરી જાય છે.
04:09
But the way we actually
started to explore,
started to explore,
78
237832
2015
પરંતુ અમે ખરેખર જે રીતે
શોધખોળ શરૂ કરી,
શોધખોળ શરૂ કરી,
04:11
we realized that performance and success
are very, very different animals
are very, very different animals
79
239871
3527
અમને તે કામગીરી અને સફળતાનો અહેસાસ થયો
ખૂબ, ખૂબ જ અલગ પ્રાણીઓ છે
ખૂબ, ખૂબ જ અલગ પ્રાણીઓ છે
04:15
when it comes to
the mathematics of the problem.
the mathematics of the problem.
80
243422
2444
જ્યારે તે આવે છે
સમસ્યા ગણિત.
સમસ્યા ગણિત.
04:18
And let me illustrate that.
81
246429
1432
અને હું તે સમજાવવા દો.
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
તો તમે અહીં જે જુઓ છો તે છે
પૃથ્વી પર સૌથી ઝડપી માણસ, યુઝૈન બોલ્ટ.
પૃથ્વી પર સૌથી ઝડપી માણસ, યુઝૈન બોલ્ટ.
અને અલબત્ત, તે મોટાભાગનામાં જીતે છે
સ્પર્ધાઓ કે જેમાં તે પ્રવેશ કરે છે.
સ્પર્ધાઓ કે જેમાં તે પ્રવેશ કરે છે.
04:25
And of course, he wins most of
the competitions that he enters.
the competitions that he enters.
83
253832
3910
અને આપણે જાણીએ છીએ કે તે પૃથ્વી પરનો સૌથી
ઝડપી છે કારણ કે આપણી પાસે એક કિલોમીટર છે
ઝડપી છે કારણ કે આપણી પાસે એક કિલોમીટર છે
04:30
And we know he's the fastest on earth
because we have a chronometer
because we have a chronometer
84
258393
3175
04:33
to measure his speed.
85
261592
1160
તેની ઝડપ માપવા માટે..
04:34
Well, what is interesting about him
is that when he wins,
is that when he wins,
86
262776
4119
સારું, તેના વિશે શું રસપ્રદ છે
તે જીતે ત્યારે,
તે જીતે ત્યારે,
04:38
he doesn't do so by really significantly
outrunning his competition.
outrunning his competition.
87
266919
5502
તે ખરેખર નોંધપાત્ર રીતે આવું કરતું નથી
તેની સ્પર્ધા કરતા આગળ નીકળી ગયા.
તેની સ્પર્ધા કરતા આગળ નીકળી ગયા.
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
તે વધુમાં વધુ એક ટકા ઝડપી દોડે છે
જે એક રેસ ગુમાવે છે તેના કરતાં.
જે એક રેસ ગુમાવે છે તેના કરતાં.
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
અને તે માત્ર ચલાવતું નથી
બીજા કરતા એક ટકા વધુ ઝડપી,
બીજા કરતા એક ટકા વધુ ઝડપી,
04:53
but he doesn't run
10 times faster than I do --
10 times faster than I do --
90
281293
2849
પરંતુ તે દોડતો નથી
મારા કરતા 10 ગણો ઝડપી -
મારા કરતા 10 ગણો ઝડપી -
04:56
and I'm not a good runner,
trust me on that.
trust me on that.
91
284166
2181
અને હું સારો દોડવીર નથી,
મારા પર વિશ્વાસ કરો.
મારા પર વિશ્વાસ કરો.
04:58
(Laughter)
92
286371
1197
(હાસ્ય)
04:59
And every time we are able
to measure performance,
to measure performance,
93
287592
3502
અને દરેક વખતે અમે સક્ષમ છીએ
કામગીરી માપવા માટે,
કામગીરી માપવા માટે,
05:03
we notice something very interesting;
94
291118
2050
અમે કંઈક ખૂબ જ રસપ્રદ નોટિસ;
05:05
that is, performance is bounded.
95
293192
2511
તે છે, પ્રભાવ બંધાયેલ છે.
05:07
What it means is that there are
no huge variations in human performance.
no huge variations in human performance.
96
295727
3757
તેનો અર્થ એ છે કે ત્યાં છે
માનવ પ્રભાવમાં કોઈ વિશાળ ભિન્નતા.
માનવ પ્રભાવમાં કોઈ વિશાળ ભિન્નતા.
05:11
It varies only in a narrow range,
97
299508
3432
તે ફક્ત એક સાંકડી રેન્જમાં બદલાય છે,
05:14
and we do need the chronometer
to measure the differences.
to measure the differences.
98
302964
3279
અને આપણને કિલોમીટરની જરૂર છે
તફાવતો માપવા માટે.
તફાવતો માપવા માટે.
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
આ કહેવા માટે નથી કે આપણે કરી શકતા નથી
શ્રેષ્ઠ લોકો પાસેથી સારું જુઓ,
શ્રેષ્ઠ લોકો પાસેથી સારું જુઓ,
05:21
but the best ones
are very hard to distinguish.
are very hard to distinguish.
100
309459
2733
પરંતુ શ્રેષ્ઠ લોકો
તફાવત ખૂબ જ મુશ્કેલ છે.
તફાવત ખૂબ જ મુશ્કેલ છે.
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
અને તે સાથે સમસ્યા તે છે કે આપણામાંના
મોટા ભાગના વિસ્તારોમાં કામ કરે છે
મોટા ભાગના વિસ્તારોમાં કામ કરે છે
05:27
where we do not have a chronometer
to gauge our performance.
to gauge our performance.
102
315232
3922
જ્યાં આપણી પાસે કિલોમીટર નથી
અમારા પ્રદર્શનનો અંદાજ કા .વા માટે.
અમારા પ્રદર્શનનો અંદાજ કા .વા માટે.
05:31
Alright, performance is bounded,
103
319178
1564
ઠીક છે, પ્રભાવ બંધાયેલ છે,
05:32
there are no huge differences between us
when it comes to our performance.
when it comes to our performance.
104
320766
3532
અમારી વચ્ચે કોઈ મોટો તફાવત નથી
જ્યારે તે અમારા પ્રદર્શનની વાત આવે છે.
જ્યારે તે અમારા પ્રદર્શનની વાત આવે છે.
05:36
How about success?
105
324322
1157
કેવી રીતે સફળતા વિશે?
05:37
Well, let's switch to
a different topic, like books.
a different topic, like books.
106
325995
2930
ઠીક છે, ચાલો સ્વિચ કરીએ
પુસ્તકો જેવા એક અલગ વિષય.
પુસ્તકો જેવા એક અલગ વિષય.
05:40
One measure of success for writers is
how many people read your work.
how many people read your work.
107
328949
5015
લેખકો માટે સફળતા એક માપદંડ છે
કેટલા લોકો તમારું કામ વાંચે છે.
કેટલા લોકો તમારું કામ વાંચે છે.
05:46
And so when my previous book
came out in 2009,
came out in 2009,
108
334662
4410
અને તેથી જ્યારે મારું પાછલું પુસ્તક
2009 માં બહાર આવ્યા,
2009 માં બહાર આવ્યા,
05:51
I was in Europe talking with my editor,
109
339096
1902
હું મારા સંપાદક સાથે વાત કરી રહ્યો હતો,
05:53
and I was interested:
Who is the competition?
Who is the competition?
110
341022
2462
અને મને રસ હતો:
કોણ છે સ્પર્ધા?
કોણ છે સ્પર્ધા?
05:56
And I had some fabulous ones.
111
344253
2735
અને હું કેટલાક કલ્પિત રાશિઓ હતી.
05:59
That week --
112
347012
1169
તે અઠવાડિયે -
06:00
(Laughter)
113
348205
1024
(હાસ્ય)
06:01
Dan Brown came out with "The Lost Symbol,"
114
349253
3557
ડેન બ્રાઉન "ધ લોસ્ટ
સિમ્બોલ," લઈને બહાર આવ્યો.
સિમ્બોલ," લઈને બહાર આવ્યો.
06:04
and "The Last Song" also came out,
115
352834
2982
અને "ધ લાસ્ટ સોંગ" પણ બહાર આવ્યું,
06:07
Nicholas Sparks.
116
355840
1429
નિકોલસ સ્પાર્ક્સ.
06:09
And when you just look at the list,
117
357293
2988
અને જ્યારે તમે ફક્ત સૂચિ જુઓ,
06:12
you realize, you know, performance-wise,
there's hardly any difference
there's hardly any difference
118
360305
3453
તમે અનુભૂતિ કરો છો, તમે જાણો છો,
કામગીરી મુજબના,ભાગ્યે જ કોઈ તફાવત છે
કામગીરી મુજબના,ભાગ્યે જ કોઈ તફાવત છે
06:15
between these books or mine.
119
363782
1598
આ પુસ્તકો અથવા ખાણ વચ્ચે.
06:17
Right?
120
365404
1175
ખરું ને?
06:18
So maybe if Nicholas Sparks's team
works a little harder,
works a little harder,
121
366603
4668
તેથી જો નિકોલસ સ્પાર્ક્સની ટીમ
થોડું સખત કામ કરે છે,
થોડું સખત કામ કરે છે,
06:23
he could easily be number one,
122
371295
1722
તે સરળતાથી નંબર વન બની શકે,
06:25
because it's almost by accident
who ended up at the top.
who ended up at the top.
123
373041
2898
કારણ કે તે લગભગ અકસ્માત દ્વારા છે
જે ટોચ પર સમાપ્ત થયું.
જે ટોચ પર સમાપ્ત થયું.
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
તો મેં કહ્યું, ચાલો નંબરો જોઈએ -
હું ડેટા વ્યક્તિ છું, ખરું?
હું ડેટા વ્યક્તિ છું, ખરું?
06:31
So let's see what were
the sales for Nicholas Sparks.
the sales for Nicholas Sparks.
125
379663
4318
તો ચાલો જોઈએ શું હતા
નિકોલસ સ્પાર્ક્સ માટે વેચાણ.
નિકોલસ સ્પાર્ક્સ માટે વેચાણ.
અને તે બહાર આવ્યું છે
પ્રારંભિક સપ્તાહમાં,
પ્રારંભિક સપ્તાહમાં,
06:36
And it turns out that
that opening weekend,
that opening weekend,
126
384005
2054
નિકોલસ સ્પાર્ક્સ કરતાં વધુ વેચાય છે
એક હજાર નકલો,
એક હજાર નકલો,
06:38
Nicholas Sparks sold more than
a hundred thousand copies,
a hundred thousand copies,
127
386083
2975
જે એક સુંદર સંખ્યા છે.
06:41
which is an amazing number.
128
389082
1705
તમે ખરેખર ટોચ પર પહોંચી શકો છો
"ન્યુ યોર્કટાઇમ્સ" શ્રેષ્ઠ વિક્રેતા સૂચિની
"ન્યુ યોર્કટાઇમ્સ" શ્રેષ્ઠ વિક્રેતા સૂચિની
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
06:46
by selling 10,000 copies a week,
130
394231
2110
અઠવાડિયામાં 10,000 નકલો વેચીને,
06:48
so he tenfold overcame
what he needed to be number one.
what he needed to be number one.
131
396365
3752
તેથી તેણે દસ ગણા વટાવી લીધા
તેને નંબર વન બનવાની શું જરૂર છે.
તેને નંબર વન બનવાની શું જરૂર છે.
06:52
Yet he wasn't number one.
132
400141
1430
છતાં તે નંબર વન નહોતો.
06:53
Why?
133
401595
1308
કેમ?
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
કારણ કે ત્યાં ડેન બ્રાઉન હતો,જેણે સપ્તાહના
અંતમાં 1.2 મિલિયન નકલો વેચી છે.
અંતમાં 1.2 મિલિયન નકલો વેચી છે.
06:59
(Laughter)
135
407029
2136
(હાસ્ય)
07:01
And the reason I like this number
is because it shows that, really,
is because it shows that, really,
136
409189
3971
અને કારણ કે મને આ નંબર ગમે છે
કારણ કે તે બતાવે છે કે, ખરેખર,
કારણ કે તે બતાવે છે કે, ખરેખર,
07:05
when it comes to success, it's unbounded,
137
413184
3730
જ્યારે તે સફળતાની વાત
આવે છે, ત્યારે તે અનબાઉન્ડ છે,
આવે છે, ત્યારે તે અનબાઉન્ડ છે,
07:08
that the best doesn't only get
slightly more than the second best
slightly more than the second best
138
416938
5861
કે જે શ્રેષ્ઠ મેળવતું નથી
બીજા શ્રેષ્ઠ કરતાં થોડી વધારે
બીજા શ્રેષ્ઠ કરતાં થોડી વધારે
07:14
but gets orders of magnitude more,
139
422823
2697
પરંતુ વધુ તીવ્રતાના ઓર્ડર મળે છે,
07:17
because success is a collective measure.
140
425544
2794
કારણ કે સફળતા એક સામૂહિક પગલું છે.
07:20
We give it to them, rather than
we earn it through our performance.
we earn it through our performance.
141
428362
4376
અમે તેને કરતાં, તેમને આપીએ છીએ
અમે અમારા પ્રદર્શન દ્વારા તે કમાઇએ છીએ.
અમે અમારા પ્રદર્શન દ્વારા તે કમાઇએ છીએ.
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
તેથી અમને સમજાયેલી એક બાબત તે છે
પ્રભાવ, આપણે શું કરીએ છીએ, બંધાયેલા છે,
પ્રભાવ, આપણે શું કરીએ છીએ, બંધાયેલા છે,
પરંતુ સફળતા, જે છે
સામૂહિક, અનબાઉન્ડ છે,
સામૂહિક, અનબાઉન્ડ છે,
07:30
but success, which is
collective, is unbounded,
collective, is unbounded,
143
438162
2682
જે તમને આશ્ચર્યજનક બનાવે છે:
07:32
which makes you wonder:
144
440868
1312
07:34
How do you get these
huge differences in success
huge differences in success
145
442204
2911
તમે આ કેવી રીતે મેળવશો
સફળતા મોટા તફાવતો
સફળતા મોટા તફાવતો
07:37
when you have such tiny
differences in performance?
differences in performance?
146
445139
2906
જ્યારે તમારી પાસે આટલું નાનું હોય
પ્રભાવમાં તફાવત?
પ્રભાવમાં તફાવત?
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
અને તાજેતરમાં, મેં એક પુસ્તક પ્રકાશિત કર્યું
કે હું ખૂબ જ પ્રશ્ન માટે સમર્પિત.
કે હું ખૂબ જ પ્રશ્ન માટે સમર્પિત.
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
અને તેઓએ મને પૂરતો સમય નથી આપ્યો
તે બધા ઉપર જવા માટે,
તે બધા ઉપર જવા માટે,
07:47
so I'm going to go back
to the question of,
to the question of,
149
455211
2071
તેથી હું પાછો જાઉં છું
ના પ્રશ્ન માટે,
ના પ્રશ્ન માટે,
07:49
alright, you have success;
when should that appear?
when should that appear?
150
457306
3135
ઠીક છે, તમને સફળતા છે;
તે ક્યારે દેખાવું જોઈએ?
તે ક્યારે દેખાવું જોઈએ?
07:52
So let's go back to the party spoiler
and ask ourselves:
and ask ourselves:
151
460465
3758
તો ચાલો પાછા પાર્ટી બગાડનાર પર જઈએ
અને જાતને પૂછો:
અને જાતને પૂછો:
07:57
Why did Einstein make
this ridiculous statement,
this ridiculous statement,
152
465215
3339
આઈન્સ્ટાઈને કેમ બનાવ્યું
આ હાસ્યાસ્પદ નિવેદન,
આ હાસ્યાસ્પદ નિવેદન,
08:00
that only before 30
you could actually be creative?
you could actually be creative?
153
468578
3156
માત્ર 30 પહેલાં
તમે ખરેખર સર્જનાત્મક હોઈ શકે?
તમે ખરેખર સર્જનાત્મક હોઈ શકે?
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
સારું, કારણ કે તેણે પોતાની આસપાસ જોયું
અને તેણે આ બધા કલ્પિત ભૌતિકશાસ્ત્રીઓ જોયા
અને તેણે આ બધા કલ્પિત ભૌતિકશાસ્ત્રીઓ જોયા
08:08
that created quantum mechanics
and modern physics,
and modern physics,
155
476462
2587
જેણે ક્વોન્ટમ મિકેનિક્સ બનાવ્યાં
અને આધુનિક ભૌતિકશાસ્ત્ર,
અને આધુનિક ભૌતિકશાસ્ત્ર,
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
અને તે બધા તેમના 20 માં હતા અને 30 ના
દાયકાની શરૂઆતમાં જ્યારે તેઓએ આમ કર્યું.
દાયકાની શરૂઆતમાં જ્યારે તેઓએ આમ કર્યું.
08:15
And it's not only him.
157
483730
1220
અને તે માત્ર તે જ નથી.
08:16
It's not only observational bias,
158
484974
1623
તે માત્ર નિરીક્ષણ પક્ષપાત જ નથી,
08:18
because there's actually
a whole field of genius research
a whole field of genius research
159
486621
3997
કારણ કે ત્યાં ખરેખર છે
પ્રતિભા સંશોધન એક સંપૂર્ણ ક્ષેત્ર
પ્રતિભા સંશોધન એક સંપૂર્ણ ક્ષેત્ર
08:22
that has documented the fact that,
160
490642
2256
કે આ હકીકત દસ્તાવેજી છે કે,
08:24
if we look at the people
we admire from the past
we admire from the past
161
492922
3160
જો આપણે લોકોને જોઈએ
અમે ભૂતકાળથી પ્રશંસા કરીએ છીએ
અમે ભૂતકાળથી પ્રશંસા કરીએ છીએ
08:28
and then look at what age
they made their biggest contribution,
they made their biggest contribution,
162
496106
3358
અને પછી કઈ વય જુઓ
તેઓએ તેમનો સૌથી મોટો ફાળો આપ્યો,
તેઓએ તેમનો સૌથી મોટો ફાળો આપ્યો,
08:31
whether that's music,
whether that's science,
whether that's science,
163
499488
2096
શું તે સંગીત છે,
શું તે વિજ્ઞાન છે,
શું તે વિજ્ઞાન છે,
08:33
whether that's engineering,
164
501608
1619
ભલે તે એન્જિનિયરિંગ હોય,
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
તેમાંના મોટાભાગના આમ કરવા માટે વલણ ધરાવે છે
તેમના 20, 30 ના દાયકામાં, 40 ના દાયકાના પ્રારંભમાં.
તેમના 20, 30 ના દાયકામાં, 40 ના દાયકાના પ્રારંભમાં.
08:41
But there's a problem
with this genius research.
with this genius research.
166
509914
2791
પરંતુ એક સમસ્યા છે
આ પ્રતિભા સંશોધન સાથે.
આ પ્રતિભા સંશોધન સાથે.
08:45
Well, first of all, it created
the impression to us
the impression to us
167
513197
3280
સારું, સૌ પ્રથમ, તે બનાવ્યું
અમને છાપ
અમને છાપ
08:48
that creativity equals youth,
168
516501
3479
તે સર્જનાત્મકતા યુવા સમાન છે,
08:52
which is painful, right?
169
520004
1610
જે દુ:ખદાયક છે, ખરું?
08:53
(Laughter)
170
521638
1951
(હાસ્ય)
08:55
And it also has an observational bias,
171
523613
4088
અને તેનો નિરીક્ષણ પૂર્વગ્રહ પણ છે,
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
કારણ કે તે માત્ર પ્રતિભાઓને જુએ છે
અને સામાન્ય વૈજ્ઞાનિકો તરફ જોતો નથી
અને સામાન્ય વૈજ્ઞાનિકો તરફ જોતો નથી
09:04
and doesn't look at all of us and ask,
173
532711
1965
અને આપણા બધા તરફ નજર નાંખીને પૂછે છે,
તે ખરેખર સાચું છે કે સર્જનાત્મકતા
જેમ જેમ આપણે વય થઈ જઇએ છીએ?
જેમ જેમ આપણે વય થઈ જઇએ છીએ?
09:06
is it really true that creativity
vanishes as we age?
vanishes as we age?
174
534700
3185
તેથી બરાબર તે જ અમે કરવાનો પ્રયાસ કર્યો,
09:10
So that's exactly what we tried to do,
175
538382
1877
09:12
and this is important for that
to actually have references.
to actually have references.
176
540283
3803
અને આ તે માટે મહત્વપૂર્ણ છે
ખરેખર સંદર્ભો છે.
ખરેખર સંદર્ભો છે.
09:16
So let's look at an ordinary
scientist like myself,
scientist like myself,
177
544110
2643
તો ચાલો એક સામાન્ય જોઈએ
મારી જેમ વૈજ્ઞાનિક,
મારી જેમ વૈજ્ઞાનિક,
09:18
and let's look at my career.
178
546777
1522
અને ચાલો મારી કારકીર્દિ જોઈએ.
09:20
So what you see here is all the papers
that I've published
that I've published
179
548323
3202
તો તમે અહીં જે જુઓ છો તે બધા કાગળો છે
કે મેં પ્રકાશિત કર્યું છે
કે મેં પ્રકાશિત કર્યું છે
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
મારા પ્રથમ કાગળમાંથી, 1989 માં;
જ્યારે મેં આમ કર્યું ત્યારે પણ હું રોમાનિયામાં હતો,
જ્યારે મેં આમ કર્યું ત્યારે પણ હું રોમાનિયામાં હતો,
09:28
till kind of this year.
181
556688
1593
આ વર્ષના પ્રકાર સુધી.
09:30
And vertically, you see
the impact of the paper,
the impact of the paper,
182
558940
2518
અને ઊભી રીતે, તમે જુઓ
કાગળની અસર,
કાગળની અસર,
09:33
that is, how many citations,
183
561482
1403
તે છે, કેટલા ટાંકણા,
09:34
how many other papers
have been written that cited that work.
have been written that cited that work.
184
562909
3988
બીજા કેટલા કાગળો
લખ્યું છે કે જે કામ ટાંકવામાં.
લખ્યું છે કે જે કામ ટાંકવામાં.
09:39
And when you look at that,
185
567397
1300
અને જ્યારે તમે તે જુઓ,
09:40
you see that my career
has roughly three different stages.
has roughly three different stages.
186
568721
2813
તમે જુઓ છો કે મારી કારકિર્દી
આશરે ત્રણ અલગ અલગ તબક્કાઓ છે.
આશરે ત્રણ અલગ અલગ તબક્કાઓ છે.
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
મારી પાસે પ્રથમ 10 વર્ષ હતા
જ્યાં મારે ઘણું કામ કરવું પડ્યું
જ્યાં મારે ઘણું કામ કરવું પડ્યું
09:46
and I don't achieve much.
188
574017
1276
અને હું વધારે પ્રાપ્ત કરતો નથી.
09:47
No one seems to care
about what I do, right?
about what I do, right?
189
575317
2118
કોઈને ધ્યાન આપતું નથી
હું શું કરું તે વિશે, બરાબર?
હું શું કરું તે વિશે, બરાબર?
09:49
There's hardly any impact.
190
577459
1681
ભાગ્યે જ કોઈ અસર થઈ.
09:51
(Laughter)
191
579164
1404
(હાસ્ય)
09:52
That time, I was doing material science,
192
580592
2887
તે સમયે, હું ભૌતિક
વૈજ્ઞાનિક કરી રહ્યો હતો,
વૈજ્ઞાનિક કરી રહ્યો હતો,
09:55
and then I kind of discovered
for myself networks
for myself networks
193
583503
3691
અને પછી હું એક પ્રકારનો શોધ્યો
મારા માટે નેટવર્ક
મારા માટે નેટવર્ક
અને પછી નેટવર્ક્સમાં પ્રકાશિત
કરવાનું શરૂ કર્યું.
કરવાનું શરૂ કર્યું.
09:59
and then started publishing in networks.
194
587218
1947
10:01
And that led from one high-impact
paper to the other one.
paper to the other one.
195
589189
3073
અને તે એક ઉચ્ચ અસર તરફ દોરી
અન્ય એક કાગળ.
અન્ય એક કાગળ.
10:04
And it really felt good.
That was that stage of my career.
That was that stage of my career.
196
592286
3104
અને તે ખરેખર સારું લાગ્યું.
તે મારી કારકિર્દીનો તે તબક્કો હતો.
તે મારી કારકિર્દીનો તે તબક્કો હતો.
10:07
(Laughter)
197
595414
1282
(હાસ્ય)
10:08
So the question is,
what happens right now?
what happens right now?
198
596720
3208
તો સવાલ એ છે કે
હમણાં શું થાય છે?
હમણાં શું થાય છે?
અને આપણે જાણતા નથી, કારણ કે ત્યાં છે
હજી પૂરતો સમય પસાર થયો નથી
હજી પૂરતો સમય પસાર થયો નથી
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
ખરેખર કેટલી અસર પડે છે તે આકૃતિ
તે કાગળો મળશે;
તે કાગળો મળશે;
10:15
to actually figure out how much impact
those papers will get;
those papers will get;
200
603850
2987
તે હસ્તગત કરવામાં સમય લે છે.
10:18
it takes time to acquire.
201
606861
1227
સારું, જ્યારે તમે ડેટા જુઓ,
10:20
Well, when you look at the data,
202
608112
1569
એવું લાગે છે કે આઈન્સ્ટાઈન,
પ્રતિભા સંશોધન, સાચું છે,
પ્રતિભા સંશોધન, સાચું છે,
10:21
it seems to be that Einstein,
the genius research, is right,
the genius research, is right,
203
609705
2854
અને હું મારી કારકિર્દીના તે તબક્કે છું.
10:24
and I'm at that stage of my career.
204
612583
1811
10:26
(Laughter)
205
614418
2308
(હાસ્ય)
તેથી અમે કહ્યું, ઠીક છે, ચાલો આકૃતિ કરીએ
આ ખરેખર કેવી રીતે થાય છે,
આ ખરેખર કેવી રીતે થાય છે,
10:28
So we said, OK, let's figure out
how does this really happen,
how does this really happen,
206
616750
5974
વિજ્ઞાન માં પ્રથમ.
અને ક્રમમાં નથી
પસંદગી પૂર્વગ્રહ,
પસંદગી પૂર્વગ્રહ,
10:34
first in science.
207
622748
1778
માત્ર પ્રતિભાઓ જોવા માટે,
10:36
And in order not to have
the selection bias,
the selection bias,
208
624550
3632
અમે કારકિર્દીનું પુનર્ગઠન કર્યું
દરેક એક વૈજ્ઞાનિક છે
દરેક એક વૈજ્ઞાનિક છે
10:40
to look only at geniuses,
209
628206
1337
1900 થી આજ સુધી
10:41
we ended up reconstructing the career
of every single scientist
of every single scientist
210
629567
3716
અને બધા વૈજ્ઞાનિકો માટે શોધે છે
તેમના વ્યક્તિગત શ્રેષ્ઠ શું હતું,
તેમના વ્યક્તિગત શ્રેષ્ઠ શું હતું,
10:45
from 1900 till today
211
633307
2502
તેમને નોબેલ પારિતોષિક મળ્યું કે કેમ
અથવા તેઓ ક્યારેય ન કરતા,
અથવા તેઓ ક્યારેય ન કરતા,
10:47
and finding for all scientists
what was their personal best,
what was their personal best,
212
635833
3712
અથવા કોઈને ખબર નથી કે તેઓએ શું કર્યું,
પણ તેમના વ્યક્તિગત શ્રેષ્ઠ.
પણ તેમના વ્યક્તિગત શ્રેષ્ઠ.
10:51
whether they got the Nobel Prize
or they never did,
or they never did,
213
639569
2812
અને આ તે છે જે તમે આ સ્લાઇડમાં જુઓ છો.
10:54
or no one knows what they did,
even their personal best.
even their personal best.
214
642405
3407
દરેક લાઇન એ કારકિર્દી છે,
અને જ્યારે તમારી પાસે પ્રકાશ વાદળી
બિંદુ હોય તે કારકિર્દીની ટોચ પર,
બિંદુ હોય તે કારકિર્દીની ટોચ પર,
10:57
And that's what you see in this slide.
215
645836
1915
10:59
Each line is a career,
216
647775
1573
તે કહે છે કે તે તેમનો
વ્યક્તિગત શ્રેષ્ઠ હતો.
વ્યક્તિગત શ્રેષ્ઠ હતો.
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
અને સવાલ એ છે કે
11:04
it says that was their personal best.
218
652399
2040
જ્યારે તેઓ ખરેખર બનાવ્યા
તેમની સૌથી મોટી શોધ?
તેમની સૌથી મોટી શોધ?
11:06
And the question is,
219
654463
1155
11:07
when did they actually make
their biggest discovery?
their biggest discovery?
220
655642
3568
તે પ્રમાણિત કરવા માટે,
અમે સંભાવના શું છે તે જોઈએ છીએ
કે તમે તમારી સૌથી મોટી શોધ કરો છો,
કે તમે તમારી સૌથી મોટી શોધ કરો છો,
11:11
To quantify that,
221
659234
1165
11:12
we look at what's the probability
that you make your biggest discovery,
that you make your biggest discovery,
222
660423
3376
ચાલો કહીએ, એક, બે, ત્રણ
અથવા તમારી કારકિર્દીમાં 10 વર્ષ?
અથવા તમારી કારકિર્દીમાં 10 વર્ષ?
અમે વાસ્તવિક ઉંમર તરફ જોઈ રહ્યા નથી.
11:15
let's say, one, two, three
or 10 years into your career?
or 10 years into your career?
223
663823
2672
અમે જોઈ રહ્યા છીએ
જેને આપણે "શૈક્ષણિક યુગ" કહીએ છીએ.
જેને આપણે "શૈક્ષણિક યુગ" કહીએ છીએ.
11:18
We're not looking at real age.
224
666519
1480
11:20
We're looking at
what we call "academic age."
what we call "academic age."
225
668023
2134
તમારી શૈક્ષણિક વય શરૂ થાય છે જ્યારે તમે
તમારા પ્રથમ કાગળો પ્રકાશિત કરો છો.
તમારા પ્રથમ કાગળો પ્રકાશિત કરો છો.
11:22
Your academic age starts
when you publish your first papers.
when you publish your first papers.
226
670181
3250
હું જાણું છું કે તમારામાંથી
કેટલાક હજી બાળકો છે.
કેટલાક હજી બાળકો છે.
11:25
I know some of you are still babies.
227
673455
1779
11:27
(Laughter)
228
675258
1397
(હાસ્ય)
તો ચાલો સંભાવના જોઈએ
11:28
So let's look at the probability
229
676679
2706
કે જે તમે પ્રકાશિત કરો છો
તમારું સૌથી વધુ અસરકારક કાગળ.
તમારું સૌથી વધુ અસરકારક કાગળ.
11:31
that you publish
your highest-impact paper.
your highest-impact paper.
230
679409
2066
અને તમે જે જુઓ છો તે ખરેખર છે,
પ્રતિભા સંશોધન સાચું છે.
પ્રતિભા સંશોધન સાચું છે.
11:33
And what you see is, indeed,
the genius research is right.
the genius research is right.
231
681499
3071
મોટાભાગના વૈજ્ઞાનિકો પ્રકાશિત કરવાનું
વલણ ધરાવે છે તેમના સૌથી વધુ અસર કાગળ
વલણ ધરાવે છે તેમના સૌથી વધુ અસર કાગળ
11:36
Most scientists tend to publish
their highest-impact paper
their highest-impact paper
232
684594
3024
11:39
in the first 10, 15 years in their career,
233
687642
2899
તેમની કારકિર્દીના પ્રથમ 10, 15 વર્ષમાં,
અને તે પછી ટાંકી.
11:42
and it tanks after that.
234
690565
3133
તે એટલી ઝડપથી ટાંકી દે છે કે હું લગભગ છું
મારી કારકિર્દીમાં હું બરાબર 30 વર્ષનો છું,
મારી કારકિર્દીમાં હું બરાબર 30 વર્ષનો છું,
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
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
અને તક છે કે હું એક કાગળ પ્રકાશિત કરીશ
તે વધારે અસર કરશે
તે વધારે અસર કરશે
11:54
than anything that I did before
237
702417
1940
પહેલાં જે કંઈપણ કર્યું તે કરતાં
11:56
is less than one percent.
238
704381
1353
એક ટકા કરતા પણ ઓછા છે.
11:57
I am in that stage of my career,
according to this data.
according to this data.
239
705758
3049
હું મારી કારકિર્દીના તે તબક્કે છું,
આ માહિતી અનુસાર.
આ માહિતી અનુસાર.
12:01
But there's a problem with that.
240
709648
1843
પરંતુ તેની સાથે એક સમસ્યા છે.
12:03
We're not doing controls properly.
241
711515
3675
અમે નિયંત્રણો યોગ્ય રીતે કરી રહ્યાં નથી.
12:07
So the control would be,
242
715214
1417
તો નિયંત્રણ હશે,
12:08
what would a scientist look like
who makes random contribution to science?
who makes random contribution to science?
243
716655
4607
વૈજ્ઞાનિક જેવું દેખાશે
વિજ્ઞાન કોણ અમનેમ ફાળો આપે છે?
વિજ્ઞાન કોણ અમનેમ ફાળો આપે છે?
12:13
Or what is the productivity
of the scientist?
of the scientist?
244
721286
2995
અથવા ઉત્પાદકતા શું છે
વૈજ્ઞાનિક ની?
વૈજ્ઞાનિક ની?
12:16
When do they write papers?
245
724305
2006
તેઓ ક્યારે કાગળો લખે છે?
12:18
So we measured the productivity,
246
726335
2444
તેથી અમે ઉત્પાદકતા માપી,
12:20
and amazingly, the productivity,
247
728803
2052
અને આશ્ચર્યજનક રીતે, ઉત્પાદકતા,
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
કાગળ લખવાની તમારી સંભાવના
તમારી કારકિર્દીમાં એક વર્ષ, 10 અથવા 20,
તમારી કારકિર્દીમાં એક વર્ષ, 10 અથવા 20,
શક્યતાથી અવિભાજ્ય છે
અસર હોય છે
અસર હોય છે
12:27
is indistinguishable from the likelihood
of having the impact
of having the impact
249
735034
3606
તમારી કારકિર્દીના તે ભાગમાં.
12:30
in that part of your career.
250
738664
1775
અને લાંબી વાર્તા ટૂંકી બનાવવા માટે,
12:33
And to make a long story short,
251
741026
1783
ઘણાં આંકડાકીય પરીક્ષણો પછી,
તેના માટે ફક્ત એક જ સમજૂતી છે,
તેના માટે ફક્ત એક જ સમજૂતી છે,
12:34
after lots of statistical tests,
there's only one explanation for that,
there's only one explanation for that,
252
742833
4228
તે ખરેખર, જે રીતે આપણે વૈજ્
scientistsાનિકો કામ કરીએ છીએ
scientistsાનિકો કામ કરીએ છીએ
12:39
that really, the way we scientists work
253
747085
2894
શું આપણે લખેલો દરેક કાગળ છે,
દરેક પ્રોજેક્ટ અમે કરીએ છીએ,
દરેક પ્રોજેક્ટ અમે કરીએ છીએ,
12:42
is that every single paper we write,
every project we do,
every project we do,
254
750003
3633
બરાબર એ જ તક છે
અમારા વ્યક્તિગત શ્રેષ્ઠ હોવાનો.
અમારા વ્યક્તિગત શ્રેષ્ઠ હોવાનો.
12:45
has exactly the same chance
of being our personal best.
of being our personal best.
255
753660
4160
12:49
That is, discovery is like
a lottery ticket.
a lottery ticket.
256
757844
4953
તે છે, શોધ જેવી છે
લોટરી ટિકિટ.
લોટરી ટિકિટ.
અને વધુ લોટરી ટિકિટ આપણે ખરીદે છે,
12:54
And the more lottery tickets we buy,
257
762821
2351
અમારી તકો વધારે છે.
અને તે આવું થાય છે
12:57
the higher our chances.
258
765196
1507
જે મોટાભાગના વૈજ્ઞાનિકો ખરીદે છે
તેમની મોટાભાગની લોટરી ટિકિટ
તેમની મોટાભાગની લોટરી ટિકિટ
12:58
And it happens to be so
259
766727
1559
13:00
that most scientists buy
most of their lottery tickets
most of their lottery tickets
260
768310
2719
જે મોટાભાગના વૈજ્ઞાનિકો છે
તેમના મોટાભાગની લોટરી ટિકિટ
તેમના મોટાભાગની લોટરી ટિકિટ
13:03
in the first 10, 15 years of their career,
261
771053
2460
13:05
and after that,
their productivity decreases.
their productivity decreases.
262
773537
3413
અને તે પછી,
તેમની ઉત્પાદકતા ઘટે છે.
તેમની ઉત્પાદકતા ઘટે છે.
તેઓ ખરીદી રહ્યા નથી
વધુ લોટરી ટિકિટ.
વધુ લોટરી ટિકિટ.
13:09
They're not buying
any more lottery tickets.
any more lottery tickets.
263
777411
2084
તો જાણે કે જાણે
તેઓ સર્જનાત્મક નહીં હોય.
તેઓ સર્જનાત્મક નહીં હોય.
13:11
So it looks as if
they would not be creative.
they would not be creative.
264
779519
3444
વાસ્તવિકતામાં, તેઓએ
પ્રયાસ કરવાનું બંધ કરી દીધું.
પ્રયાસ કરવાનું બંધ કરી દીધું.
13:14
In reality, they stopped trying.
265
782987
1999
13:17
So when we actually put the data together,
the conclusion is very simple:
the conclusion is very simple:
266
785509
3915
તેથી જ્યારે આપણે ખરેખર ડેટા સાથે રાખીએ,
નિષ્કર્ષ ખૂબ જ સરળ છે:
નિષ્કર્ષ ખૂબ જ સરળ છે:
13:21
success can come at any time.
267
789448
2331
સફળતા કોઈપણ સમયે આવી શકે છે.
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
તે તમારું પ્રથમ હોઈ શકે છે
અથવા તમારી કારકિર્દીનો ખૂબ જ છેલ્લા કાગળ.
અથવા તમારી કારકિર્દીનો ખૂબ જ છેલ્લા કાગળ.
13:27
It's totally random
in the space of the projects.
in the space of the projects.
269
795562
4288
તે એકદમ રેન્ડમ છે
પ્રોજેક્ટની જગ્યામાં.
પ્રોજેક્ટની જગ્યામાં.
13:31
It is the productivity that changes.
270
799874
1931
તે ઉત્પાદકતા છે જે બદલાય છે.
13:33
Let me illustrate that.
271
801829
1252
ચાલો હું તેને સમજાવીશ.
13:35
Here is Frank Wilczek,
who got the Nobel Prize in Physics
who got the Nobel Prize in Physics
272
803105
3269
અહીં છે ફ્રેન્ક વિલ્ઝેક,
જેમને ભૌતિકશાસ્ત્રનું નોબેલ પુરસ્કાર મળ્યો
જેમને ભૌતિકશાસ્ત્રનું નોબેલ પુરસ્કાર મળ્યો
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
પ્રથમ કાગળ માટે તેમણે ક્યારેય લખ્યું છે
સ્નાતક વિદ્યાર્થી તરીકે તેની કારકિર્દીમાં.
સ્નાતક વિદ્યાર્થી તરીકે તેની કારકિર્દીમાં.
13:42
(Laughter)
274
810523
1007
(હાસ્ય)
13:43
More interesting is John Fenn,
275
811554
3218
વધુ રસપ્રદ જ્હોન ફેન છે,
13:46
who, at age 70, was forcefully retired
by Yale University.
by Yale University.
276
814796
4598
70 વર્ષની ઉંમરે, બળપૂર્વક નિવૃત્ત થયા હતા
યેલ યુનિવર્સિટી દ્વારા.
યેલ યુનિવર્સિટી દ્વારા.
તેઓએ તેની લેબ બંધ કરી દીધી,
13:51
They shut his lab down,
277
819418
2056
અને તે જ ક્ષણે, તે સ્થળાંતર થયો
વર્જિનિયા કોમનવેલ્થ યુનિવર્સિટી,
વર્જિનિયા કોમનવેલ્થ યુનિવર્સિટી,
13:53
and at that moment, he moved
to Virginia Commonwealth University,
to Virginia Commonwealth University,
278
821498
3666
બીજી લેબ ખોલી,
13:57
opened another lab,
279
825188
1786
અને તે ત્યાં છે, 72 વર્ષની ઉંમરે,
કે તેણે એક કાગળ પ્રકાશિત કર્યું
કે તેણે એક કાગળ પ્રકાશિત કર્યું
13:58
and it is there, at age 72,
that he published a paper
that he published a paper
280
826998
3033
જેના માટે, 15 વર્ષ પછી, તે મળ્યો
રસાયણશાસ્ત્ર માટેનું નોબેલ પુરસ્કાર.
રસાયણશાસ્ત્ર માટેનું નોબેલ પુરસ્કાર.
14:02
for which, 15 years later, he got
the Nobel Prize for Chemistry.
the Nobel Prize for Chemistry.
281
830055
3845
અને તમે વિચારો છો, બરાબર,
સારું, વિજ્ઞાન વિશેષ છે,
સારું, વિજ્ઞાન વિશેષ છે,
14:06
And you think, OK,
well, science is special,
well, science is special,
282
834940
3042
પરંતુ અન્ય ક્ષેત્રોનું શું છે
જ્યાં આપણે સર્જનાત્મક બનવાની જરૂર છે?
જ્યાં આપણે સર્જનાત્મક બનવાની જરૂર છે?
14:10
but what about other areas
where we need to be creative?
where we need to be creative?
283
838006
3463
તો મને બીજા લેવા દો
લાક્ષણિક ઉદાહરણ: ઉદ્યમવૃત્તિ.
લાક્ષણિક ઉદાહરણ: ઉદ્યમવૃત્તિ.
14:13
So let me take another
typical example: entrepreneurship.
typical example: entrepreneurship.
284
841493
4936
સિલીકોન વેલી,
યુવાનો ની જમીન, અધિકાર?
14:18
Silicon Valley,
285
846834
1579
અને ખરેખર, જ્યારે તમે તેને જુઓ,
14:20
the land of the youth, right?
286
848437
2066
તમને ખ્યાલ છે કે સૌથી મોટો એવોર્ડ,
ટેકક્રંચ એવોર્ડ્સ અને અન્ય એવોર્ડ્સ,
ટેકક્રંચ એવોર્ડ્સ અને અન્ય એવોર્ડ્સ,
14:22
And indeed, when you look at it,
287
850527
1595
14:24
you realize that the biggest awards,
the TechCrunch Awards and other awards,
the TechCrunch Awards and other awards,
288
852146
4642
બધા લોકો જઇ રહ્યા છે
જેની સરેરાશ ઉંમર 20 ના દાયકાના
અંતમાં છે, 30 ના દાયકાની શરૂઆતમાં.
અંતમાં છે, 30 ના દાયકાની શરૂઆતમાં.
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
તમે જુઓ કે વીસીઓ કોને પૈસા આપે છે,
કેટલીક સૌથી મોટી વીસી કંપનીઓ -
કેટલીક સૌથી મોટી વીસી કંપનીઓ -
30 ના દાયકાના પ્રારંભમાં બધા લોકો.
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
જે, અલબત્ત, આપણે જાણીએ છીએ;
સિલિકોન વેલીમાં આ ધર્મો છે
કે યુવા સફળતા બરાબર છે.
કે યુવા સફળતા બરાબર છે.
14:42
all people in their early 30s.
292
870091
2241
14:44
Which, of course, we know;
293
872951
1265
જ્યારે તમે ડેટા જુઓ ત્યારે નહીં,
14:46
there is this ethos in Silicon Valley
that youth equals success.
that youth equals success.
294
874240
4453
કારણ કે તે માત્ર નથી
કંપની બનાવવા વિશે -
કંપની બનાવવા વિશે -
કંપની બનાવવી એ ઉત્પાદકતા જેવી છે,પ્રયાસ
કરી, પ્રયાસ કરી, પ્રયાસ કરી રહ્યા છીએ -
કરી, પ્રયાસ કરી, પ્રયાસ કરી રહ્યા છીએ -
14:51
Not when you look at the data,
295
879653
2183
14:53
because it's not only
about forming a company --
about forming a company --
296
881860
2304
જ્યારે તમે જે જુઓ
આ વ્યક્તિઓ ખરેખર બહાર મૂકવામાં
આ વ્યક્તિઓ ખરેખર બહાર મૂકવામાં
14:56
forming a company is like productivity,
trying, trying, trying --
trying, trying, trying --
297
884188
3140
સફળ કંપની, સફળ એક્ઝિટ.
14:59
when you look at which
of these individuals actually put out
of these individuals actually put out
298
887352
3484
અને તાજેતરમાં, અમારા કેટલાક સાથીઓ
બરાબર તે પ્રશ્ન તરફ જોયું.
બરાબર તે પ્રશ્ન તરફ જોયું.
15:02
a successful company, a successful exit.
299
890860
2782
અને તે તારણ આપે છે કે હા,
તે 20 અને 30 ના દાયકાના છે
તે 20 અને 30 ના દાયકાના છે
15:05
And recently, some of our colleagues
looked at exactly that question.
looked at exactly that question.
300
893666
3720
મોટી સંખ્યામાં કંપનીઓ મૂકી,
ઘણી કંપનીઓ બનાવે છે,
ઘણી કંપનીઓ બનાવે છે,
15:09
And it turns out that yes,
those in the 20s and 30s
those in the 20s and 30s
301
897410
3156
પરંતુ તેમાંના મોટા ભાગના બસ્ટ જાય છે.
15:12
put out a huge number of companies,
form lots of companies,
form lots of companies,
302
900590
3348
અને જ્યારે તમે સફળ બહાર નીકળો છો,
તમે આ ખાસ પ્લોટમાં શું જોશો,
તમે આ ખાસ પ્લોટમાં શું જોશો,
15:15
but most of them go bust.
303
903962
1531
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
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
તમે જેટલા વૃદ્ધો છો, તેવી સંભાવના
તમે ખરેખર શેરબજારમાં ફટકો પડશે
તમે ખરેખર શેરબજારમાં ફટકો પડશે
15:26
or the sell the company successfully.
306
914027
2312
અથવા કંપની સફળતાપૂર્વક વેચે છે.
15:28
This is so strong, actually,
that if you are in the 50s,
that if you are in the 50s,
307
916847
3113
આ ખરેખર એટલું મજબૂત છે,
કે જો તમે 50 ના દાયકામાં હો,
કે જો તમે 50 ના દાયકામાં હો,
15:31
you are twice as likely
to actually have a successful exit
to actually have a successful exit
308
919984
3588
તમે શક્યતા બે વાર છો
ખરેખર સફળ બહાર નીકળવું
ખરેખર સફળ બહાર નીકળવું
15:35
than if you are in your 30s.
309
923596
1890
કરતાં વધુ જો તમે તમારા 30 માં છે.
15:38
(Applause)
310
926613
4325
(તાળીઓ)
15:43
So in the end, what is it
that we see, actually?
that we see, actually?
311
931645
3009
તેથી અંતે, તે શું છે
કે આપણે જોઈએ છીએ, ખરેખર?
કે આપણે જોઈએ છીએ, ખરેખર?
15:46
What we see is that creativity has no age.
312
934678
4083
આપણે જે જોઈએ છીએ તે એ છે
કે સર્જનાત્મકતાની કોઈ ઉંમર નથી.
કે સર્જનાત્મકતાની કોઈ ઉંમર નથી.
15:50
Productivity does, right?
313
938785
2202
ઉત્પાદકતા કરે છે, અધિકાર?
15:53
Which is telling me that
at the end of the day,
at the end of the day,
314
941424
4135
જે મને કહે છે
દિવસ ના અંતે,
દિવસ ના અંતે,
15:57
if you keep trying --
315
945583
2000
જો તમે પ્રયત્ન કરતા રહો -
15:59
(Laughter)
316
947607
2403
(હાસ્ય)
16:02
you could still succeed
and succeed over and over.
and succeed over and over.
317
950034
3572
તમે હજી પણ સફળ થઈ શક્યા
અને ઉપર અને વધુ સફળ.
અને ઉપર અને વધુ સફળ.
16:05
So my conclusion is very simple:
318
953630
2391
તેથી મારો નિષ્કર્ષ ખૂબ જ સરળ છે:
16:08
I am off the stage, back in my lab.
319
956045
2093
હું મારી લેબમાં પાછો સ્ટેજથી બહાર છું.
16:10
Thank you.
320
958162
1171
આભાર.
16:11
(Applause)
321
959357
3309
(તાળીઓ)
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