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: 2019-03-29

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.

Albert-László Barabási - 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

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