ABOUT THE SPEAKER
Albert-László Barabási - Network scientist
A 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.

More profile about the speaker
Albert-László Barabási | Speaker | TED.com
TEDxMidAtlantic

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

אלברט-לסלו ברבסי: הקשר האמיתי בין גילכם לבין סיכויי ההצלחה שלכם

Filmed:
2,762,222 views

כשהוא מגובה בניתוחים מתמטיים, תיאורטיקן הרשתות אלברט-לסלו ברבסי חוקר את המנגנון החבוי שמניע הצלחה -- ללא קשר לתחום שלכם -- וחושף קשר מעניין בין גילכם לבין הסיכוי שלכם להצליח בגדול.
- Network scientist
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
Todayהיום, actuallyלמעשה, is
a very specialמיוחד day for me,
0
249
2266
היום הוא יום מאוד מיוחד עבורי,
00:14
because it is my birthdayיום הולדת.
1
2539
2121
מכיוון שזהו יום ההולדת שלי.
00:16
(Applauseתְשׁוּאוֹת)
2
4684
3973
(מחיאות כפיים)
00:20
And so, thanksתודה to all of you
for joiningהִצטָרְפוּת the partyמפלגה.
3
8681
3441
אז תודה לכולכם על שהצטרפתם למסיבה.
00:24
(Laughterצחוק)
4
12146
1167
(צחוק)
00:25
But everyכֹּל time you throwלזרוק a partyמפלגה,
there's someoneמִישֶׁהוּ there to spoilלְקַלְקֵל it. Right?
5
13337
4786
אבל בכל פעם שאתם עורכים מסיבה,
נמצא מישהו שמקלקל לכם אותה. נכון?
00:30
(Laughterצחוק)
6
18147
1072
(צחוק)
00:31
And I'm a physicistפִיסִיקַאִי,
7
19243
1359
ואני פיזיקאי,
00:32
and this time I broughtהביא
anotherאַחֵר physicistפִיסִיקַאִי alongלְאוֹרֶך to do so.
8
20626
4157
והפעם הבאתי עוד פיזיקאי לעשות זאת.
00:36
His nameשֵׁם is Albertאלברט Einsteinאיינשטיין --
alsoגַם Albertאלברט -- and he's the one who said
9
24807
4562
שמו הוא אלברט איינשטיין
-- גם אלברט -- והוא זה שאמר
00:41
that the personאדם who has not madeעָשׂוּי
his great contributionsתרומות to scienceמַדָע
10
29393
4830
כי אדם שלא תרם את תרומתו הגדולה למדע
00:46
by the ageגיל of 30
11
34247
1559
עד גיל 30
00:47
will never do so.
12
35830
1396
לעולם לא יעשה זאת.
00:49
(Laughterצחוק)
13
37250
1012
(צחוק)
00:50
Now, you don't need to checkלבדוק Wikipediaויקיפדיה
14
38286
2340
עכשיו, אתם לא צריכים לבדוק בויקיפדיה
00:52
that I'm beyondמעבר 30.
15
40650
1571
שאני אחרי גיל 30.
00:54
(Laughterצחוק)
16
42245
1416
(צחוק)
00:55
So, effectivelyביעילות, what
he is tellingאומר me, and us,
17
43685
3606
אז למעשה, מה שהוא אומר לי, ולנו,
00:59
is that when it comesבא to my scienceמַדָע,
18
47315
2544
שכשזה מגיע למדע שלי,
01:01
I'm deadwoodעָנָפִים מֵתִים.
19
49883
1203
אני חסר תועלת.
01:04
Well, luckilyלְמַרְבֶּה הַמַזָל, I had my shareלַחֲלוֹק
of luckמַזָל withinבְּתוֹך my careerקריירה.
20
52078
5586
למזלי, היה לי מזל בקריירה שלי.
01:10
Around ageגיל 28, I becameהפכתי
very interestedמעוניין in networksרשתות,
21
58132
3822
בסביבות גיל 28, התחלתי להתעניין
רבות ברשתות,
01:13
and a fewמְעַטִים yearsשנים laterיותר מאוחר, we managedמנוהל
to publishלְפַרְסֵם a fewמְעַטִים keyמַפְתֵחַ papersניירות
22
61978
4076
וכעבור כמה שנים, הצלחנו לפרסם
מספר מאמרי מפתח
01:18
that reportedדיווח the discoveryתַגלִית
of scale-freeללא שינוי networksרשתות
23
66078
4097
שדיווחו על התגלית של רשתות Scale-free
01:22
and really gaveנתן birthהוּלֶדֶת to a newחָדָשׁ disciplineמשמעת
that we call networkרֶשֶׁת scienceמַדָע todayהיום.
24
70199
4578
והולידו תחום מחקר חדש שאנו
קוראים לו היום מדע רשתות.
01:26
And if you really careלְטַפֵּל about it,
you can get a PhDדוקטורט now in networkרֶשֶׁת scienceמַדָע
25
74801
3678
ואם זה מעניין אתכם, אתם יכולים
לעשות היום דוקטורט במדע רשתות
01:30
in Budapestבודפשט, in Bostonבוסטון,
26
78503
2028
בבודפשט, בבוסטון,
01:32
and you can studyלימוד it all over the worldעוֹלָם.
27
80555
2308
וניתן ללמוד את זה בכל העולם.
01:35
A fewמְעַטִים yearsשנים laterיותר מאוחר,
28
83466
1595
כמה שנים לאחר-מכן,
01:37
when I movedנִרגָשׁ to Harvardהרווארד
first as a sabbaticalשבתון,
29
85085
3230
כשעברתי להרווארד תחילה כחלק משנת שבתון,
01:40
I becameהפכתי interestedמעוניין
in anotherאַחֵר typeסוּג of networkרֶשֶׁת:
30
88339
3092
התחלתי להתעניין בסוג אחר של רשתות:
01:43
that time, the networksרשתות withinבְּתוֹך ourselvesבְּעָצמֵנוּ,
31
91455
3027
הפעם ברשתות בתוך עצמינו,
01:46
how the genesגנים and the proteinsחלבונים
and the metabolitesמטבוליטים linkקישור to eachכל אחד other
32
94506
3726
איך הגנים והחלבונים
והמטבוליטים מקושרים זה לזה
01:50
and how they connectלְחַבֵּר to diseaseמַחֲלָה.
33
98256
2493
ואיך הם קשורים למחלות.
01:53
And that interestריבית led
to a majorגדול explosionהִתְפּוֹצְצוּת withinבְּתוֹך medicineתרופה,
34
101368
4592
והעניין הזה הוביל לפיצוץ דרמטי ברפואה,
01:57
includingלְרַבּוֹת the Networkרֶשֶׁת Medicineתרופה
Divisionחֲלוּקָה at Harvardהרווארד,
35
105984
3979
כולל מחלקת רפואת הרשתות בהרוואד,
02:01
that has more than 300 researchersחוקרים
who are usingבאמצעות this perspectiveפֶּרספֶּקטִיבָה
36
109987
3395
בה יש יותר מ-300 חוקרים
המשתמשים בנקודת המבט הזו
02:05
to treatטיפול patientsחולים and developלְפַתֵחַ newחָדָשׁ curesמרפא.
37
113406
2897
על-מנת לרפא חולים ולפתח תרופות חדשות.
02:09
And a fewמְעַטִים yearsשנים agoלִפנֵי,
38
117457
1770
ולפני מספר שנים,
02:11
I thought that I would take
this ideaרַעְיוֹן of networksרשתות
39
119251
2526
חשבתי לקחת את רעיון הרשתות
02:13
and the expertiseמומחיות we had in networksרשתות
40
121801
1766
ואת המומחיות שיש לנו ברשתות
02:15
in a differentשונה areaאֵזוֹר,
41
123591
1392
לתחום אחר,
02:17
that is, to understandמבין successהַצלָחָה.
42
125007
1982
כלומר, להבנת הצלחה.
02:19
And why did we do that?
43
127704
1210
ומדוע עשינו זאת?
02:20
Well, we thought that, to some degreeתוֹאַר,
44
128938
2281
ובכן, חשבנו שבמידה מסויימת
02:23
our successהַצלָחָה is determinedנחוש בדעתו
by the networksרשתות we're partחֵלֶק of --
45
131243
3377
ההצלחה שלנו נקבעת על-פי
הרשתות שאנו נמצאים בהן --
02:26
that our networksרשתות can pushלִדחוֹף us forwardקָדִימָה,
they can pullמְשׁוֹך us back.
46
134644
3847
שהרשתות שלנו יכולות לדחוף אותנו קדימה,
או למשוך אותנו אחורה.
02:30
And I was curiousסקרן if we could use
the knowledgeיֶדַע and bigגָדוֹל dataנתונים and expertiseמומחיות
47
138925
4128
והייתי סקרן לדעת האם אנו יכולים להשתמש
בידע ובנתוני עתק והמומחיות
02:35
where we developלְפַתֵחַ the networksרשתות
48
143077
1403
היכן שאנו מפתחים רשתות
02:36
to really quantifyלכמת
how these things happenלִקְרוֹת.
49
144504
3296
כדי לכמת איך הדברים הללו קורים.
02:40
This is a resultתוֹצָאָה from that.
50
148404
1342
זו התוצאה.
02:41
What you see here is a networkרֶשֶׁת
of galleriesגלריות in museumsמוזיאונים
51
149770
2947
מה שאתם רואים כאן הן גלריות במוזיאונים
02:44
that connectלְחַבֵּר to eachכל אחד other.
52
152741
1632
שמקושרות אחת לשניה.
02:46
And throughדרך this mapמַפָּה
that we mappedממופה out last yearשָׁנָה,
53
154806
4055
ובאמצעות המפה הזו שיצרנו בשנה שעברה,
02:50
we are ableיכול to predictלַחֲזוֹת very accuratelyבמדויק
the successהַצלָחָה of an artistאמן
54
158885
4848
אנו מסוגלים לחזות באופן מדויק
את הצלחתו של אמן
02:55
if you give me the first fiveחָמֵשׁ exhibitsתערוכות
that he or she had in theirשֶׁלָהֶם careerקריירה.
55
163757
4021
אם ניתנות לי חמשת הגלריות הראשונות
שהוא או היא ערכו בקריירה שלהם.
03:01
Well, as we thought about successהַצלָחָה,
56
169404
2706
ובכן, כשחשבנו על הצלחה,
03:04
we realizedהבין that successהַצלָחָה
is not only about networksרשתות;
57
172134
3067
הבנו שהצלחה אינה רק רשתות:
03:07
there are so manyרב
other dimensionsממדים to that.
58
175225
2396
יש לה עוד כל-כך הרבה
מימדים אחרים.
03:10
And one of the things
we need for successהַצלָחָה, obviouslyמובן מאליו,
59
178145
3247
ואחד הדברים שאנו צריכים
להצלחה, כמובן,
03:13
is performanceביצועים.
60
181416
1170
הוא ביצועים.
03:14
So let's defineלְהַגדִיר what's the differenceהֶבדֵל
betweenבֵּין performanceביצועים and successהַצלָחָה.
61
182610
3504
אז בואו נגדיר מהו ההבדל
בין ביצועים לבין הצלחה.
03:18
Well, performanceביצועים is what you do:
62
186465
1997
ובכן, ביצועים זה מה שאתם עושים:
03:20
how fastמָהִיר you runלָרוּץ,
what kindסוג of paintingsציורים you paintצֶבַע,
63
188486
3032
כמה מהר אתם רצים,
איזה סוג של ציורים אתם מציירים,
03:23
what kindסוג of papersניירות you publishלְפַרְסֵם.
64
191542
1881
איזה סוג של מאמרים אתם מפרסמים.
03:25
Howeverלמרות זאת, in our workingעובד definitionהַגדָרָה,
65
193835
2614
עם זאת, בהגדרת העבודה שלנו,
03:28
successהַצלָחָה is about what the communityהקהילה
noticesהודעות from what you did,
66
196473
4205
הצלחה היא במה הקהילה מבחינה
מתוך מה שעשיתם,
03:32
from your performanceביצועים:
67
200702
1612
מהביצועים שלכם:
03:34
How does it acknowledgeלְהוֹדוֹת it,
and how does it rewardפרס you for it?
68
202338
4132
איך היא מכירה בהם,
ואיך זה מתגמל אתכם?
03:38
In other termsמונחים,
69
206494
1182
במונחים אחרים,
03:39
your performanceביצועים is about you,
but your successהַצלָחָה is about all of us.
70
207700
4596
הביצועים שלכם קשורים אליכם,
אבל ההצלחה שלכם קשורה בכולנו.
03:45
And this was a very
importantחָשׁוּב shiftמִשׁמֶרֶת for us,
71
213392
3334
וזו הייתה תפנית מאוד חשובה עבורנו,
03:48
because the momentרֶגַע we definedמוּגדָר successהַצלָחָה
as beingלהיות a collectiveקולקטיבי measureלִמְדוֹד
72
216750
4024
מכיוון שהרגע בו הגדרנו הצלחה
כמדד קולקטיבי,
03:52
that the communityהקהילה providesמספק to us,
73
220798
2106
שהקהילה מספקת לנו,
03:54
it becameהפכתי measurableמָדִיד,
74
222928
1510
היא הפכה למדידה,
03:56
because if it's in the communityהקהילה,
there are multipleמְרוּבֶּה dataנתונים pointsנקודות about that.
75
224462
4510
כי אם זה בקהילה,
ישנן כמה נקודות השקפה על כך.
04:00
So we go to schoolבית ספר,
we exerciseתרגיל, we practiceלְתַרְגֵל,
76
228996
5280
אז אנחנו הולכים לבית-ספר,
אנחנו מתרגלים, מתאמנים,
04:06
because we believe
that performanceביצועים leadsמוביל to successהַצלָחָה.
77
234300
2991
מכיוון שאנו מאמינים
שביצועים מובילים להצלחה.
04:09
But the way we actuallyלמעשה
startedהתחיל to exploreלַחקוֹר,
78
237832
2015
אך כשהתחלנו לחקור,
04:11
we realizedהבין that performanceביצועים and successהַצלָחָה
are very, very differentשונה animalsבעלי חיים
79
239871
3527
הבנו שביצועים והצלחה הן
שתי חיות מאוד מאוד שונות
04:15
when it comesבא to
the mathematicsמָתֵימָטִיקָה of the problemבְּעָיָה.
80
243422
2444
כשזה מגיע למתמטיקה של הבעיה.
04:18
And let me illustrateלהמחיש that.
81
246429
1432
ותנו לי להדגים זאת.
04:20
So what you see here is
the fastestהמהיר ביותר man on earthכדור הארץ, Usainאוסיין Boltבְּרִיחַ.
82
248329
4947
אז מה שאתם רואים כאן הוא
האדם המהיר בעולם, יוסיין בולט.
04:25
And of courseקוּרס, he winsמנצח mostרוב of
the competitionsתחרויות that he entersנכנס.
83
253832
3910
וכמובן, הוא מנצח את רוב
התחרויות בהן הוא משתתף.
04:30
And we know he's the fastestהמהיר ביותר on earthכדור הארץ
because we have a chronometerכרונומטר
84
258393
3175
ואנו יודעים שהוא האדם הכי מהיר בעולם
מכיוון שיש לנו כרונומטר
04:33
to measureלִמְדוֹד his speedמְהִירוּת.
85
261592
1160
שמודד את המהירות שלו.
04:34
Well, what is interestingמעניין about him
is that when he winsמנצח,
86
262776
4119
ובכן, מה שמעניין בו זה שכשהוא מנצח,
04:38
he doesn't do so by really significantlyבאופן משמעותי
outrunningשהשגת בריצה his competitionתַחֲרוּת.
87
266919
5502
הוא לא עושה זאת בכך שהוא
משיג בפער גדול את המתחרים שלו.
04:44
He's runningרץ at mostרוב a percentאָחוּז fasterמהיר יותר
than the one who losesמאבד the raceגזע.
88
272445
4519
הוא רץ אחוז אחד מהר יותר
מזה שמפסיד את המירוץ.
04:49
And not only does he runלָרוּץ only
one percentאָחוּז fasterמהיר יותר than the secondשְׁנִיָה one,
89
277631
3638
ולא די בכך שהוא רץ רק אחוז אחד
מהר יותר מהמקום השני,
04:53
but he doesn't runלָרוּץ
10 timesפִּי fasterמהיר יותר than I do --
90
281293
2849
אלא שהוא לא רץ פי 10 מהר יותר ממני --
04:56
and I'm not a good runnerרָץ,
trustאמון me on that.
91
284166
2181
ואני לא רץ טוב, סמכו עליי.
04:58
(Laughterצחוק)
92
286371
1197
(צחוק)
04:59
And everyכֹּל time we are ableיכול
to measureלִמְדוֹד performanceביצועים,
93
287592
3502
ובכל פעם שאנו מודדים ביצועים,
05:03
we noticeהודעה something very interestingמעניין;
94
291118
2050
אנו שמים לב למשהו מאוד מעניין:
05:05
that is, performanceביצועים is boundedחָסוּם.
95
293192
2511
ביצועים הם דבר מוגבל.
05:07
What it meansאומר is that there are
no hugeעָצוּם variationsוריאציות in humanבן אנוש performanceביצועים.
96
295727
3757
הכוונה היא שאין גיוון גדול
בביצועים אנושיים.
05:11
It variesמשתנה only in a narrowלְצַמְצֵם rangeטווח,
97
299508
3432
הם משתנים אך ורק בטווח צר,
05:14
and we do need the chronometerכרונומטר
to measureלִמְדוֹד the differencesהבדלים.
98
302964
3279
ואנו צריכים להשתמש בכרונומטר
על-מנת למדוד את השינויים.
05:18
This is not to say that we cannotלא יכול
see the good from the bestהטוב ביותר onesיחידות,
99
306267
3168
זה לא אומר שאנחנו לא יכולים לזהות
את הטובים בין הטובים ביותר,
05:21
but the bestהטוב ביותר onesיחידות
are very hardקָשֶׁה to distinguishלְהַבחִין.
100
309459
2733
אבל בטובים ביותר קשה מאוד להבחין.
05:24
And the problemבְּעָיָה with that
is that mostרוב of us work in areasאזורי
101
312216
2992
והבעיה כאן היא שרובנו עובדים בתחומים
05:27
where we do not have a chronometerכרונומטר
to gaugeמַד our performanceביצועים.
102
315232
3922
שאין בהם כרונומטר למדוד איתו
את הביצועים שלנו.
05:31
Alrightבְּסֵדֶר, performanceביצועים is boundedחָסוּם,
103
319178
1564
בסדר, ביצועים הם דבר מוגבל,
05:32
there are no hugeעָצוּם differencesהבדלים betweenבֵּין us
when it comesבא to our performanceביצועים.
104
320766
3532
אין הבדלים ענקיים בינינו
כשמדובר בביצועים.
05:36
How about successהַצלָחָה?
105
324322
1157
מה לגבי הצלחה?
05:37
Well, let's switchהחלף to
a differentשונה topicנוֹשֵׂא, like booksספרים.
106
325995
2930
ובכן, בואו נחליף לנושא אחר, ספרים למשל.
05:40
One measureלִמְדוֹד of successהַצלָחָה for writersסופרים is
how manyרב people readלקרוא your work.
107
328949
5015
מדד אחד להצלחה של סופרים הוא
כמה אנשים קראו את העבודה שלכם.
05:46
And so when my previousקודם bookסֵפֶר
cameבא out in 2009,
108
334662
4410
וכשהספר הקודם שלי יצא לאור ב-2009,
05:51
I was in Europeאֵירוֹפָּה talkingשִׂיחָה with my editorעוֹרֵך,
109
339096
1902
הייתי באירופה ודיברתי עם העורך שלי,
05:53
and I was interestedמעוניין:
Who is the competitionתַחֲרוּת?
110
341022
2462
ותהיתי: מי התחרות שלי?
05:56
And I had some fabulousמהמם onesיחידות.
111
344253
2735
והיו לי כמה נהדרים.
05:59
That weekשָׁבוּעַ --
112
347012
1169
באותו השבוע --
06:00
(Laughterצחוק)
113
348205
1024
(צחוק)
06:01
Danדן Brownחום cameבא out with "The Lostאָבֵד Symbolסמל,"
114
349253
3557
דן בראון יצא עם ספרו "הסמל האבוד",
06:04
and "The Last Songשִׁיר" alsoגַם cameבא out,
115
352834
2982
ו"השיר האחרון" גם יצא,
06:07
Nicholasניקולס Sparksניצוצות.
116
355840
1429
ניקולס ספארקס.
06:09
And when you just look at the listרשימה,
117
357293
2988
ורק ממבט ברשימה,
06:12
you realizeלִהַבִין, you know, performance-wiseמבחינת ביצועים,
there's hardlyבְּקוֹשִׁי any differenceהֶבדֵל
118
360305
3453
אני מבין, אתם יודעים, כשמדובר בביצועים,
אין כמעט הבדל
06:15
betweenבֵּין these booksספרים or mineשלי.
119
363782
1598
בין הספרים הללו לספר שלי.
06:17
Right?
120
365404
1175
נכון?
06:18
So maybe if Nicholasניקולס Sparks'sניצוצות teamקְבוּצָה
worksעובד a little harderקשה יותר,
121
366603
4668
אז אולי אם הצוות של ניקולס ספארקס
יעבוד מעט קשה יותר,
06:23
he could easilyבְּקַלוּת be numberמספר one,
122
371295
1722
הוא יוכל להיות בקלות מספר אחד,
06:25
because it's almostכִּמעַט by accidentתְאוּנָה
who endedהסתיים up at the topחלק עליון.
123
373041
2898
מכיוון שהמקום הראשון הוכרע כמעט בטעות.
06:28
So I said, let's look at the numbersמספרים --
I'm a dataנתונים personאדם, right?
124
376486
3153
אז אמרתי, בוא נסתכל על המספרים --
אני איש של נתונים, נכון?
06:31
So let's see what were
the salesמכירות for Nicholasניקולס Sparksניצוצות.
125
379663
4318
בואו נראה מה היו המכירות
של ניקולס ספארקס.
06:36
And it turnsפונה out that
that openingפְּתִיחָה weekendסוף שבוע,
126
384005
2054
והתברר כי בסוף שבוע הפתיחה הזה,
06:38
Nicholasניקולס Sparksניצוצות soldנמכר more than
a hundredמֵאָה thousandאלף copiesעותקים,
127
386083
2975
ניקולס ספארקס מכר יותר ממאה אלף עותקים,
06:41
whichאיזה is an amazingמדהים numberמספר.
128
389082
1705
שזה מספר מדהים.
06:42
You can actuallyלמעשה get to the topחלק עליון
of the "Newחָדָשׁ Yorkיורק Timesפִּי" best-sellerרב מכר listרשימה
129
390811
3396
אתם יכולים למעשה להגיע לראש רשימת
רבי-המכר של ה"ניו-יורק טיימס"
06:46
by sellingמוכר 10,000 copiesעותקים a weekשָׁבוּעַ,
130
394231
2110
ממכירת 10,000 עותקים בשבוע,
06:48
so he tenfoldפִּי עֲשָׂרָה overcameהתגבר
what he neededנָחוּץ to be numberמספר one.
131
396365
3752
אז הוא השיג פי 10 מהכמות
הדרושה להיות מספר אחת.
06:52
Yetעדיין he wasn'tלא היה numberמספר one.
132
400141
1430
ועדיין, הוא לא היה מספר אחת.
06:53
Why?
133
401595
1308
למה?
06:54
Because there was Danדן Brownחום,
who soldנמכר 1.2 millionמִילִיוֹן copiesעותקים that weekendסוף שבוע.
134
402927
4078
מכיוון שהיה את דן בראון,
שמכר 1.2 מליון עותקים בסוף השבוע ההוא.
06:59
(Laughterצחוק)
135
407029
2136
(צחוק)
07:01
And the reasonסיבה I like this numberמספר
is because it showsמופעים that, really,
136
409189
3971
והסיבה שאני אוהב את המספר הזה
היא שהוא מראה, באמת,
07:05
when it comesבא to successהַצלָחָה, it's unboundedבִּלתִי מוּגבָּל,
137
413184
3730
כשמדובר בהצלחה, אין לה גבולות,
07:08
that the bestהטוב ביותר doesn't only get
slightlyמְעַט more than the secondשְׁנִיָה bestהטוב ביותר
138
416938
5861
שהטוב ביותר לא משיג
רק בקצת את המקום השני,
07:14
but getsמקבל ordersהזמנות of magnitudeגוֹדֶל more,
139
422823
2697
אלא מקבל יותר בסדרי גודל עצומים,
07:17
because successהַצלָחָה is a collectiveקולקטיבי measureלִמְדוֹד.
140
425544
2794
מכיוון שהצלחה היא מדד קולקטיבי.
07:20
We give it to them, ratherבמקום than
we earnלהרוויח it throughדרך our performanceביצועים.
141
428362
4376
אנחנו נותנים להם אותה,
ולא מרוויחים אותה בזכות הביצועים שלנו.
07:24
So one of things we realizedהבין is that
performanceביצועים, what we do, is boundedחָסוּם,
142
432762
5376
אז אחד הדברים שהבנו הוא שביצועים,
הדברים שאנו עושים, הם מוגבלים,
07:30
but successהַצלָחָה, whichאיזה is
collectiveקולקטיבי, is unboundedבִּלתִי מוּגבָּל,
143
438162
2682
אבל להצלחה, שהיא דבר קולקטיבי, אין גבולות,
07:32
whichאיזה makesעושה you wonderפֶּלֶא:
144
440868
1312
מה שמביא אתכם לתהות:
07:34
How do you get these
hugeעָצוּם differencesהבדלים in successהַצלָחָה
145
442204
2911
איך משיגים את ההבדלים הגדולים האלה בהצלחה
07:37
when you have suchכגון tinyזָעִיר
differencesהבדלים in performanceביצועים?
146
445139
2906
כשישנם מעט כל-כך הבדלים בביצועים?
07:40
And recentlyלאחרונה, I publishedיצא לאור a bookסֵפֶר
that I devotedמסור to that very questionשְׁאֵלָה.
147
448537
3787
ולאחרונה, פרסמתי ספר
שמוקדש לשאלה הזו בדיוק.
07:44
And they didn't give me enoughמספיק time
to go over all of that,
148
452348
2839
ולא נתנו לי מספיק זמן להסביר את כל זה,
07:47
so I'm going to go back
to the questionשְׁאֵלָה of,
149
455211
2071
אז אני חוזר לשאלה,
07:49
alrightבְּסֵדֶר, you have successהַצלָחָה;
when should that appearלְהוֹפִיעַ?
150
457306
3135
בסדר, לגבי הצלחה: מתי היא אמורה להופיע?
07:52
So let's go back to the partyמפלגה spoilerספוילר
and askלִשְׁאוֹל ourselvesבְּעָצמֵנוּ:
151
460465
3758
אז בואו נחזור למקלקל המסיבה
ונשאל את עצמנו:
07:57
Why did Einsteinאיינשטיין make
this ridiculousמְגוּחָך statementהַצהָרָה,
152
465215
3339
למה איינשטיין קבע את האימרה המטופשת הזו,
08:00
that only before 30
you could actuallyלמעשה be creativeיְצִירָתִי?
153
468578
3156
שרק לפני גיל 30 ניתן באמת להיות יצירתי?
08:03
Well, because he lookedהביט around himselfעַצמוֹ
and he saw all these fabulousמהמם physicistsפיסיקאים
154
471758
4680
ובכן, משום שהוא הביט סביבו
וראה את כל הפיזיקאים הנהדרים האלו
08:08
that createdשנוצר quantumקוונטי mechanicsמֵכָנִיקָה
and modernמוֹדֶרנִי physicsפיזיקה,
155
476462
2587
שיצרו את מכניקת הקוונטים ופיזיקה מודרנית,
08:11
and they were all in theirשֶׁלָהֶם 20s
and earlyמוקדם 30s when they did so.
156
479073
3736
וכולם היו בשנות ה-20 וה-30
המוקדמות לחייהם כשעשו זאת.
08:15
And it's not only him.
157
483730
1220
וזה לא רק הוא.
08:16
It's not only observationalתצפית biasהֲטָיָה,
158
484974
1623
זה לא רק דעה קדומה הסתכלותית,
08:18
because there's actuallyלמעשה
a wholeכֹּל fieldשדה of geniusגָאוֹן researchמחקר
159
486621
3997
מפני שישנו תחום שלם של חקר הגאונות
08:22
that has documentedמְתוֹעָד the factעוּבדָה that,
160
490642
2256
שתיעד את העובדה כי
08:24
if we look at the people
we admireלְהִתְפַּעֵל from the pastעבר
161
492922
3160
אם אנו מסתכלים על האנשים
שאנו מעריצים מהעבר
08:28
and then look at what ageגיל
they madeעָשׂוּי theirשֶׁלָהֶם biggestהגדול ביותר contributionתְרוּמָה,
162
496106
3358
ורואים באיזה גיל הם תרמו את תרומתם הגדולה,
08:31
whetherהאם that's musicמוּסִיקָה,
whetherהאם that's scienceמַדָע,
163
499488
2096
בין אם זה מוזיקה, בין אם זה מדע,
08:33
whetherהאם that's engineeringהַנדָסָה,
164
501608
1619
בין אם זה הנדסה,
08:35
mostרוב of them tendנוטה to do so
in theirשֶׁלָהֶם 20s, 30s, earlyמוקדם 40s at mostרוב.
165
503251
6123
רובם עשו זאת בגילאי ה-20, 30,
תחילת גיל ה-40 לכל היותר.
08:41
But there's a problemבְּעָיָה
with this geniusגָאוֹן researchמחקר.
166
509914
2791
אך יש בעיה עם חקר הגאונות הזה.
08:45
Well, first of all, it createdשנוצר
the impressionרוֹשֶׁם to us
167
513197
3280
ובכן, קודם כל, הוא יצר לנו את הרושם
08:48
that creativityיְצִירָתִיוּת equalsשווים youthנוֹעַר,
168
516501
3479
שיצירתיות משמעה נעורים,
08:52
whichאיזה is painfulכּוֹאֵב, right?
169
520004
1610
וזה כואב, נכון?
08:53
(Laughterצחוק)
170
521638
1951
(צחוק)
08:55
And it alsoגַם has an observationalתצפית biasהֲטָיָה,
171
523613
4088
וגם יש לו הסתכלות מוטית,
08:59
because it only looksנראה at geniusesגאונים
and doesn't look at ordinaryרגיל scientistsמדענים
172
527725
4962
משום שהוא מסתכל רק על גאונים
ולא על מדענים רגילים
09:04
and doesn't look at all of us and askלִשְׁאוֹל,
173
532711
1965
ולא מסתכל על כולנו ושואל,
09:06
is it really trueנָכוֹן that creativityיְצִירָתִיוּת
vanishesנעלם as we ageגיל?
174
534700
3185
האם זה באמת נכון שיצירתיות נעלמת עם הגיל?
09:10
So that's exactlyבְּדִיוּק what we triedניסה to do,
175
538382
1877
אז זה בדיוק מה שניסינו לעשות,
09:12
and this is importantחָשׁוּב for that
to actuallyלמעשה have referencesהפניות.
176
540283
3803
וחשוב שיהיה למה להשוות.
09:16
So let's look at an ordinaryרגיל
scientistמַדְעָן like myselfעצמי,
177
544110
2643
אז בואו נסתכל על מדענים רגילים כמותי,
09:18
and let's look at my careerקריירה.
178
546777
1522
ונסתכל על הקריירה שלי.
09:20
So what you see here is all the papersניירות
that I've publishedיצא לאור
179
548323
3202
אז מה שאתם רואים כאן הם כל המאמרים
שאי פעם פרסמתי
09:23
from my very first paperעיתון, in 1989;
I was still in Romaniaרומניה when I did so,
180
551549
5115
מהמאמר הראשון שלי, ב-1989;
הייתי עדיין ברומניה כשכתבתי אותו,
09:28
tillעד kindסוג of this yearשָׁנָה.
181
556688
1593
עד השנה בערך.
09:30
And verticallyבֵּמְאוּנָך, you see
the impactפְּגִיעָה of the paperעיתון,
182
558940
2518
ואנכית, אתם רואים את ההשפעה של המאמר,
09:33
that is, how manyרב citationsציטוטים,
183
561482
1403
הכוונה היא, כמה ציטוטים,
09:34
how manyרב other papersניירות
have been writtenכתוב that citedמְצוּטָט that work.
184
562909
3988
כמה מאמרים אחרים נכתבו
והזכירו את העבודה הזו.
09:39
And when you look at that,
185
567397
1300
וכאשר אתם מסתכלים על זה,
09:40
you see that my careerקריירה
has roughlyבְּעֵרֶך threeשְׁלוֹשָׁה differentשונה stagesשלבים.
186
568721
2813
אתם רואים שלקריירה שלי ישנן שלוש תקופות.
09:43
I had the first 10 yearsשנים
where I had to work a lot
187
571558
2435
יש את ה-10 שנים הראשונות
כשהייתי צריך לעבוד המון
09:46
and I don't achieveלְהַשִׂיג much.
188
574017
1276
ולא השגתי הרבה.
09:47
No one seemsנראה to careלְטַפֵּל
about what I do, right?
189
575317
2118
לא נראה שלמישהו אכפת ממה שאני עושה, נכון?
09:49
There's hardlyבְּקוֹשִׁי any impactפְּגִיעָה.
190
577459
1681
אין כמעט השפעה.
09:51
(Laughterצחוק)
191
579164
1404
(צחוק)
09:52
That time, I was doing materialחוֹמֶר scienceמַדָע,
192
580592
2887
בתקופה הזו עסקתי במדעי החומר,
09:55
and then I kindסוג of discoveredגילה
for myselfעצמי networksרשתות
193
583503
3691
ואז בערך גיליתי את הרשתות
09:59
and then startedהתחיל publishingהוֹצָאָה לְאוֹר in networksרשתות.
194
587218
1947
והתחלתי לפרסם על רשתות.
10:01
And that led from one high-impactגבוהה השפעה
paperעיתון to the other one.
195
589189
3073
וזה הוביל למאמר רב-השפעה אחד לשני.
10:04
And it really feltהרגיש good.
That was that stageשלב of my careerקריירה.
196
592286
3104
וזה הרגיש מאוד טוב.
זה היה השלב בקריירה שלי.
10:07
(Laughterצחוק)
197
595414
1282
(צחוק)
10:08
So the questionשְׁאֵלָה is,
what happensקורה right now?
198
596720
3208
אז, השאלה היא, מה קורה עכשיו?
10:12
And we don't know, because there
hasn'tלא been enoughמספיק time passedעבר yetעדיין
199
600587
3239
ואנחנו לא יודעים, מכיוון שעדיין
לא עבר מספיק זמן
10:15
to actuallyלמעשה figureדמות out how much impactפְּגִיעָה
those papersניירות will get;
200
603850
2987
כדי באמת לשער כמה השפעה תהיה למאמרים האלו;
10:18
it takes time to acquireלִרְכּוֹשׁ.
201
606861
1227
זה לוקח זמן להשיג.
10:20
Well, when you look at the dataנתונים,
202
608112
1569
ובכן, כשאתם מסתכלים על הנתונים,
10:21
it seemsנראה to be that Einsteinאיינשטיין,
the geniusגָאוֹן researchמחקר, is right,
203
609705
2854
זה נראה כי איינשטיין, מחקר הגאונות, צודקים,
10:24
and I'm at that stageשלב of my careerקריירה.
204
612583
1811
ואני בשלב הזה בקריירה שלי.
10:26
(Laughterצחוק)
205
614418
2308
(צחוק)
10:28
So we said, OK, let's figureדמות out
how does this really happenלִקְרוֹת,
206
616750
5974
ולכן אמרנו, בסדר, בואו נפענח
איך זה באמת קורה,
10:34
first in scienceמַדָע.
207
622748
1778
קודם במדע.
10:36
And in orderלהזמין not to have
the selectionבְּחִירָה biasהֲטָיָה,
208
624550
3632
ועל-מנת לא להיות בעלי הסתכלות מוטית,
10:40
to look only at geniusesגאונים,
209
628206
1337
לא להסתכל רק על גאונים,
10:41
we endedהסתיים up reconstructingשחזור the careerקריירה
of everyכֹּל singleיחיד scientistמַדְעָן
210
629567
3716
מצאנו את עצמנו בסופו של דבר משחזרים
את הקריירה של כל מדען
10:45
from 1900 tillעד todayהיום
211
633307
2502
מ-1900 ועד היום
10:47
and findingמִמצָא for all scientistsמדענים
what was theirשֶׁלָהֶם personalאישי bestהטוב ביותר,
212
635833
3712
ומוצאים לכל המדענים
את השיאים האישיים שלהם,
10:51
whetherהאם they got the Nobelנובל Prizeפרס
or they never did,
213
639569
2812
האם הם קיבלו פרס נובל או לא,
10:54
or no one knowsיודע what they did,
even theirשֶׁלָהֶם personalאישי bestהטוב ביותר.
214
642405
3407
או שאיש לא יודע מה הם עשו,
אפילו לא את שיאם האישי.
10:57
And that's what you see in this slideשקופית.
215
645836
1915
וזה מה שאתם רואים בשקופית הזו.
10:59
Eachכל אחד lineקַו is a careerקריירה,
216
647775
1573
כל קו הוא קריירה,
11:01
and when you have a lightאוֹר blueכָּחוֹל dotנְקוּדָה
on the topחלק עליון of that careerקריירה,
217
649372
3003
וכשמופיעה נקודה כחולה בהירה
מעל קריירה,
11:04
it saysאומר that was theirשֶׁלָהֶם personalאישי bestהטוב ביותר.
218
652399
2040
זה אומר שזה היה השיא האישי שלהם.
11:06
And the questionשְׁאֵלָה is,
219
654463
1155
והשאלה היא,
11:07
when did they actuallyלמעשה make
theirשֶׁלָהֶם biggestהגדול ביותר discoveryתַגלִית?
220
655642
3568
מתי הם תרמו את תרומתם הגדולה ביותר?
11:11
To quantifyלכמת that,
221
659234
1165
כדי לכמת זאת,
11:12
we look at what's the probabilityהִסתַבְּרוּת
that you make your biggestהגדול ביותר discoveryתַגלִית,
222
660423
3376
הסתכלנו על מהי הסבירות
שתתרום את תרומתך הגדולה,
11:15
let's say, one, two, threeשְׁלוֹשָׁה
or 10 yearsשנים into your careerקריירה?
223
663823
2672
נגיד, שנה, שנתיים, שלוש,
או 10 שנים לתוך הקריירה שלכם?
11:18
We're not looking at realאמיתי ageגיל.
224
666519
1480
אנחנו לא מסתכלים על גיל אמיתי.
11:20
We're looking at
what we call "academicאקדמי ageגיל."
225
668023
2134
אנו מסתכלים על מה שקראנו לו "הגיל האקדמי".
11:22
Your academicאקדמי ageגיל startsמתחיל
when you publishלְפַרְסֵם your first papersניירות.
226
670181
3250
הגיל האקדמי שלכם מתחיל כאשר אתם
מפרסמים את המאמר הראשון שלכם.
11:25
I know some of you are still babiesתינוקות.
227
673455
1779
אני יודע שכמה מכם עדיין תינוקות.
11:27
(Laughterצחוק)
228
675258
1397
(צחוק)
11:28
So let's look at the probabilityהִסתַבְּרוּת
229
676679
2706
אז בואו נסתכל על הסבירות
11:31
that you publishלְפַרְסֵם
your highest-impactההשפעה הגבוהה ביותר paperעיתון.
230
679409
2066
שתפרסמו את המאמר בעל הכי הרבה השפעה שלכם.
11:33
And what you see is, indeedאכן,
the geniusגָאוֹן researchמחקר is right.
231
681499
3071
ומה שאתם רואים הוא, אכן, חקר הגאונות צודק.
11:36
Mostרוב scientistsמדענים tendנוטה to publishלְפַרְסֵם
theirשֶׁלָהֶם highest-impactההשפעה הגבוהה ביותר paperעיתון
232
684594
3024
רוב המדענים נוטים לפרסם את מאמריהם
בעלי ההשפעה הגדולה ביותר
11:39
in the first 10, 15 yearsשנים in theirשֶׁלָהֶם careerקריירה,
233
687642
2899
ב-10, 15 שנים הראשונות לקריירה שלהם,
11:42
and it tanksטנקים after that.
234
690565
3133
וזה צונח לאחר-מכן.
11:45
It tanksטנקים so fastמָהִיר that I'm about --
I'm exactlyבְּדִיוּק 30 yearsשנים into my careerקריירה,
235
693722
5107
זה צונח כל-כך מהר שאני עומד --
אני בדיוק ב-30 שנה לקריירה שלי,
11:50
and the chanceהִזדַמְנוּת that I will publishלְפַרְסֵם a paperעיתון
that would have a higherגבוה יותר impactפְּגִיעָה
236
698853
3540
והסיכוי שאפרסם מאמר
שיהיה בעל השפעה גדולה יותר
11:54
than anything that I did before
237
702417
1940
מכל מה שעשיתי עד עכשיו
11:56
is lessפָּחוּת than one percentאָחוּז.
238
704381
1353
הוא פחות מאחוז.
11:57
I am in that stageשלב of my careerקריירה,
accordingלפי to this dataנתונים.
239
705758
3049
אני בשלב הזה בקריירה שלי,
בהתבסס על הנתונים האלה.
12:01
But there's a problemבְּעָיָה with that.
240
709648
1843
אך יש בעיה עם זה.
12:03
We're not doing controlsשולטת properlyכמו שצריך.
241
711515
3675
אנחנו לא מבצעים בקרה כמו שצריך.
12:07
So the controlלִשְׁלוֹט would be,
242
715214
1417
אז הבקרה צריכה להיות,
12:08
what would a scientistמַדְעָן look like
who makesעושה randomאַקרַאִי contributionתְרוּמָה to scienceמַדָע?
243
716655
4607
איך ייראה מדען שתורם
תרומות רנדומליות למדע?
12:13
Or what is the productivityפִּריוֹן
of the scientistמַדְעָן?
244
721286
2995
או מה הפרודוקטיביות של המדען הזה?
12:16
When do they writeלִכתוֹב papersניירות?
245
724305
2006
מתי הם כותבים מאמרים?
12:18
So we measuredנמדד the productivityפִּריוֹן,
246
726335
2444
אז מדדנו את הפרודוקטיביות,
12:20
and amazinglyמדהים, the productivityפִּריוֹן,
247
728803
2052
ובאופן מדהים, הפרודוקטיביות,
12:22
your likelihoodסְבִירוּת of writingכְּתִיבָה a paperעיתון
in yearשָׁנָה one, 10 or 20 in your careerקריירה,
248
730879
4131
הסבירות שתכתבו מאמר בשנה הראשונה,
העשירית או ה-20 שלכם בקריירה,
12:27
is indistinguishableבלתי נבדל from the likelihoodסְבִירוּת
of havingשיש the impactפְּגִיעָה
249
735034
3606
היא בלתי ניתנת להבחנה מהסבירות להשפיע
12:30
in that partחֵלֶק of your careerקריירה.
250
738664
1775
בשלב הזה בקריירה שלכם.
12:33
And to make a long storyכַּתָבָה shortקצר,
251
741026
1783
ובקצרה,
12:34
after lots of statisticalסטָטִיסטִי testsבדיקות,
there's only one explanationהֶסבֵּר for that,
252
742833
4228
אחרי הרבה מבחני סטטיסטיקה,
ישנו רק הסבר אחד לזה,
12:39
that really, the way we scientistsמדענים work
253
747085
2894
והוא שהדרך בה אנו המדענים עובדים
12:42
is that everyכֹּל singleיחיד paperעיתון we writeלִכתוֹב,
everyכֹּל projectפּרוֹיֶקט we do,
254
750003
3633
היא שכל מאמר שאנו כותבים,
כל פרוייקט שאנו עושים,
12:45
has exactlyבְּדִיוּק the sameאותו chanceהִזדַמְנוּת
of beingלהיות our personalאישי bestהטוב ביותר.
255
753660
4160
יש לו בדיוק את אותו הסיכוי
להיות השיא האישי שלנו.
12:49
That is, discoveryתַגלִית is like
a lotteryהגרלה ticketכַּרְטִיס.
256
757844
4953
זה אומר שתגלית היא כמו כרטיס הגרלה.
12:54
And the more lotteryהגרלה ticketsכרטיסים we buyלִקְנוֹת,
257
762821
2351
וככל שנקנה יותר כרטיסי הגרלה,
12:57
the higherגבוה יותר our chancesהסיכויים.
258
765196
1507
גדלים הסיכויים שלנו.
12:58
And it happensקורה to be so
259
766727
1559
ויצא שכך זה קורה
13:00
that mostרוב scientistsמדענים buyלִקְנוֹת
mostרוב of theirשֶׁלָהֶם lotteryהגרלה ticketsכרטיסים
260
768310
2719
מפני שרוב המדענים קונים
את רוב כרטיסי ההגרלה
13:03
in the first 10, 15 yearsשנים of theirשֶׁלָהֶם careerקריירה,
261
771053
2460
ב-10, 15 השנים הראשונות בקריירה שלהם,
13:05
and after that,
theirשֶׁלָהֶם productivityפִּריוֹן decreasesירידות.
262
773537
3413
ואחר-כך, הפרודוקטיביות יורדת.
13:09
They're not buyingקְנִיָה
any more lotteryהגרלה ticketsכרטיסים.
263
777411
2084
הם לא קונים יותר כרטיסי הגרלה.
13:11
So it looksנראה as if
they would not be creativeיְצִירָתִי.
264
779519
3444
אז נראה כאילו הם לא יצירתיים.
13:14
In realityמְצִיאוּת, they stoppedעצר tryingמנסה.
265
782987
1999
המציאות היא, שהם הפסיקו לנסות.
13:17
So when we actuallyלמעשה put the dataנתונים togetherיַחַד,
the conclusionסיכום is very simpleפָּשׁוּט:
266
785509
3915
אז כשאנחנו מחברים את כל הנתונים יחד,
המסקנה היא מאוד פשוטה:
13:21
successהַצלָחָה can come at any time.
267
789448
2331
הצלחה יכולה להגיע בכל זמן.
13:23
It could be your very first
or very last paperעיתון of your careerקריירה.
268
791803
3735
היא יכולה להיות מאמרכם הראשון
או המאמר האחרון בהחלט בקריירה שלכם.
13:27
It's totallyלְגַמרֵי randomאַקרַאִי
in the spaceמֶרחָב of the projectsפרויקטים.
269
795562
4288
זה רנדומלי לגמרי
מבחינת תחומי הפרוייקטים.
13:31
It is the productivityפִּריוֹן that changesשינויים.
270
799874
1931
זו הפרודוקטיביות שמשתנה.
13:33
Let me illustrateלהמחיש that.
271
801829
1252
תנו לי להדגים לכם זאת.
13:35
Here is Frankגלוי לב Wilczekוילצ'ק,
who got the Nobelנובל Prizeפרס in Physicsפיזיקה
272
803105
3269
זהו פרנק וילצ'ק שזכה בפרס נובל בפיזיקה
13:38
for the very first paperעיתון he ever wroteכתבתי
in his careerקריירה as a graduateבוגר studentתלמיד.
273
806398
4101
על מאמר הראשון שאי פעם כתב
בקריירה שלו כבוגר אוניברסיטה.
13:42
(Laughterצחוק)
274
810523
1007
(צחוק)
13:43
More interestingמעניין is Johnג'ון Fennפנן,
275
811554
3218
מעניין מכך הוא ג'ון פן,
13:46
who, at ageגיל 70, was forcefullyבכוח retiredבדימוס
by Yaleייל Universityאוּנִיבֶרְסִיטָה.
276
814796
4598
שבגיל 70 אולץ לצאת לפנסיה
על-ידי אוניברסיטת ייל.
13:51
They shutלִסְגוֹר his labמַעבָּדָה down,
277
819418
2056
הם סגרו את המעבדה שלו,
13:53
and at that momentרֶגַע, he movedנִרגָשׁ
to Virginiaוירג'יניה Commonwealthעמים Universityאוּנִיבֶרְסִיטָה,
278
821498
3666
ובאותו הרגע הוא עבר
לאוניברסיטה הקהילתית בווירג'יניה,
13:57
openedנפתח anotherאַחֵר labמַעבָּדָה,
279
825188
1786
פתח מעבדה נוספת,
13:58
and it is there, at ageגיל 72,
that he publishedיצא לאור a paperעיתון
280
826998
3033
וזהו המקום בו, בגיל 72, פרסם מאמר
14:02
for whichאיזה, 15 yearsשנים laterיותר מאוחר, he got
the Nobelנובל Prizeפרס for Chemistryכִּימִיָה.
281
830055
3845
עליו, אחרי 15 שנה, זכה בפרס נובל לכימיה.
14:06
And you think, OK,
well, scienceמַדָע is specialמיוחד,
282
834940
3042
ואתם חושבים, בסדר, טוב, המדע הוא מיוחד,
14:10
but what about other areasאזורי
where we need to be creativeיְצִירָתִי?
283
838006
3463
אבל מה בנוגע לשאר התחומים שאנו
צריכים להיות יצירתיים בהם?
14:13
So let me take anotherאַחֵר
typicalאופייני exampleדוגמא: entrepreneurshipיזמות.
284
841493
4936
אז בואו ניקח עוד דוגמא טיפוסית: יזמות.
14:18
Siliconסִילִיקוֹן Valleyעֶמֶק,
285
846834
1579
עמק הסיליקון,
14:20
the landארץ of the youthנוֹעַר, right?
286
848437
2066
ארץ הנעורים, נכון?
14:22
And indeedאכן, when you look at it,
287
850527
1595
ואכן, כשמסתכלים על זה,
14:24
you realizeלִהַבִין that the biggestהגדול ביותר awardsפרסים,
the TechCrunchTechCrunch Awardsפרסים and other awardsפרסים,
288
852146
4642
מבינים שהפרסים הגדולים ביותר,
פרסי ה-TechCrunch ופרסים נוספים,
14:28
are all going to people
289
856812
2173
כולם הולכים לאנשים
14:31
whoseשל מי averageמְמוּצָע ageגיל
is lateמאוחר 20s, very earlyמוקדם 30s.
290
859009
5015
שגילם הממוצע הוא שנות ה-20 המאוחרות,
שנות-30 המאוד מוקדמות.
14:36
You look at who the VCsקרנות הון סיכון give the moneyכֶּסֶף to,
some of the biggestהגדול ביותר VCVC firmsחברות --
291
864465
5602
אתם רואים למי קרנות הון סיכון נותנות כסף,
כמה מהקרנות הגדולות ביותר --
14:42
all people in theirשֶׁלָהֶם earlyמוקדם 30s.
292
870091
2241
כולם אנשים בתחילת שנות ה-30 שלהם.
14:44
Whichאיזה, of courseקוּרס, we know;
293
872951
1265
ואנו יודעים, כמובן;
14:46
there is this ethosאֶתוֹס in Siliconסִילִיקוֹן Valleyעֶמֶק
that youthנוֹעַר equalsשווים successהַצלָחָה.
294
874240
4453
ישנו אתוס בעמק הסיליקון
שנעורים שווים הצלחה.
14:51
Not when you look at the dataנתונים,
295
879653
2183
לא רק כשמסתכלים על הנתונים,
14:53
because it's not only
about formingיוצר a companyחֶברָה --
296
881860
2304
כי לא מדובר רק בהקמת חברה --
14:56
formingיוצר a companyחֶברָה is like productivityפִּריוֹן,
tryingמנסה, tryingמנסה, tryingמנסה --
297
884188
3140
הקמת חברה זה כמו פרודוקטיביות,
לנסות, לנסות, לנסות --
14:59
when you look at whichאיזה
of these individualsיחידים actuallyלמעשה put out
298
887352
3484
כשאתם מסתכלים על אילו מבין
האנשים האלו הובילו
15:02
a successfulמוּצלָח companyחֶברָה, a successfulמוּצלָח exitיְצִיאָה.
299
890860
2782
לחברה מצליחה, אקזיט מצליח.
15:05
And recentlyלאחרונה, some of our colleaguesעמיתים
lookedהביט at exactlyבְּדִיוּק that questionשְׁאֵלָה.
300
893666
3720
ולאחרונה, כמה מהקולגות שלנו
בחנו את השאלה הזו בדיוק.
15:09
And it turnsפונה out that yes,
those in the 20s and 30s
301
897410
3156
ומתברר שכן, אלו בשנות ה-20 וה-30 לחייהם
15:12
put out a hugeעָצוּם numberמספר of companiesחברות,
formטופס lots of companiesחברות,
302
900590
3348
מקימים מספר חברות ענק,
מקימים המון חברות,
15:15
but mostרוב of them go bustחָזֶה.
303
903962
1531
אך רובן פושטות את הרגל.
15:18
And when you look at the successfulמוּצלָח exitsאקזיטים,
what you see in this particularמיוחד plotעלילה,
304
906089
4195
וכשמסתכלים על האקזיטים המצליחים,
מה שניתן לראות בגרף המסוים הזו,
15:22
the olderישן יותר you are, the more likelyסָבִיר that
you will actuallyלמעשה hitמכה the stockהמניה marketשׁוּק
305
910308
3695
ככל שאתם מבוגרים יותר, ישנה סבירות
גדולה יותר שתביאו את המכה בבורסה
15:26
or the sellמכירה the companyחֶברָה successfullyבְּהַצלָחָה.
306
914027
2312
או שתמכרו את החברה בהצלחה.
15:28
This is so strongחָזָק, actuallyלמעשה,
that if you are in the 50s,
307
916847
3113
זה כל-כך חזק, למעשה,
שאם אתם בשנות ה-50 שלכם,
15:31
you are twiceפעמיים as likelyסָבִיר
to actuallyלמעשה have a successfulמוּצלָח exitיְצִיאָה
308
919984
3588
אתם בעלי סבירות גדולה פי שתיים
לבצע אקזיט מוצלח
15:35
than if you are in your 30s.
309
923596
1890
מאשר כשאתם בני 30.
15:38
(Applauseתְשׁוּאוֹת)
310
926613
4325
(מחיאות כפיים)
15:43
So in the endסוֹף, what is it
that we see, actuallyלמעשה?
311
931645
3009
אז, בסופו של דבר, מה אנחנו באמת רואים?
15:46
What we see is that creativityיְצִירָתִיוּת has no ageגיל.
312
934678
4083
מה שאנו רואים זה שליצירתיות אין גיל.
15:50
Productivityפִּריוֹן does, right?
313
938785
2202
לפרודוקטיביות יש, נכון?
15:53
Whichאיזה is tellingאומר me that
at the endסוֹף of the day,
314
941424
4135
מה שאומר לי שבסופו של יום,
15:57
if you keep tryingמנסה --
315
945583
2000
אם תמשיכו לנסות --
15:59
(Laughterצחוק)
316
947607
2403
(צחוק)
16:02
you could still succeedלהצליח
and succeedלהצליח over and over.
317
950034
3572
אתם עדיין יכולים להצליח שוב ושוב.
16:05
So my conclusionסיכום is very simpleפָּשׁוּט:
318
953630
2391
אז המסקנה שלי היא מאוד פשוטה:
16:08
I am off the stageשלב, back in my labמַעבָּדָה.
319
956045
2093
אני יורד מהבמה וחוזר למעבדה שלי.
16:10
Thank you.
320
958162
1171
תודה רבה.
16:11
(Applauseתְשׁוּאוֹת)
321
959357
3309
(מחיאות כפיים)
Translated by Tal Hemo
Reviewed by Alsa Saal

▲Back to top

ABOUT THE SPEAKER
Albert-László Barabási - Network scientist
A 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.

More profile about the speaker
Albert-László Barabási | Speaker | TED.com
THE ORIGINAL VIDEO ON TED.COM
אלברט-לסלו ברבסי: הקשר האמיתי בין גילכם לבין סיכויי ההצלחה שלכם | TED Talk | TED.com