TEDxMidAtlantic
Albert-László Barabási: The real relationship between your age and your chance of success
Albert-László Barabási: Sanningen om sambandet mellan ålder och framgång
Filmed:
Readability: 4
2,762,222 views
Med hjälp av matematiska analyser undersöker nätverksteoretikern Albert-László Barabási de dolda mekanismer som ligger bakom framgång, oavsett bransch, och upptäcker det spännande sambandet mellan din ålder och din möjlighet att nå stor framgång.
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
Idag är det faktiskt
en speciell dag för mig.
en speciell dag för mig.
00:14
because it is my birthday.
1
2539
2121
Jag fyller år.
00:16
(Applause)
2
4684
3973
(Applåder)
00:20
And so, thanks to all of you
for joining the party.
for joining the party.
3
8681
3441
Så därför, tack till alla er
som kommit på min fest.
som kommit på min fest.
00:24
(Laughter)
4
12146
1167
(Skratt)
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
Men på varje fest
finns en festförstörare.
finns en festförstörare.
Eller hur?
00:30
(Laughter)
6
18147
1072
(Skratt)
00:31
And I'm a physicist,
7
19243
1359
Jag är fysiker
00:32
and this time I brought
another physicist along to do so.
another physicist along to do so.
8
20626
4157
och idag tog jag med en kollega
som får agera festförstörare.
som får agera festförstörare.
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
Han heter Albert Einstein,
Albert som jag, och han sa
Albert som jag, och han sa
00:41
that the person who has not made
his great contributions to science
his great contributions to science
10
29393
4830
att den som inte gett
sitt stora bidrag till vetenskapen
sitt stora bidrag till vetenskapen
00:46
by the age of 30
11
34247
1559
vid 30 års ålder
00:47
will never do so.
12
35830
1396
aldrig kommer att göra det.
00:49
(Laughter)
13
37250
1012
(Skratt)
00:50
Now, you don't need to check Wikipedia
14
38286
2340
Du behöver inte kolla Wikipedia
för att förstå att jag passerat 30.
00:52
that I'm beyond 30.
15
40650
1571
00:54
(Laughter)
16
42245
1416
(Skratt)
00:55
So, effectively, what
he is telling me, and us,
he is telling me, and us,
17
43685
3606
Han säger alltså till mig och till oss
00:59
is that when it comes to my science,
18
47315
2544
att jag bara är en belastning
01:01
I'm deadwood.
19
49883
1203
inom min vetenskapsgren.
01:04
Well, luckily, I had my share
of luck within my career.
of luck within my career.
20
52078
5586
Men tack och lov har jag haft
min andel tur i karriären.
01:10
Around age 28, I became
very interested in networks,
very interested in networks,
21
58132
3822
När jag var 28 blev jag
mycket intresserad av nätverk
mycket intresserad av nätverk
01:13
and a few years later, we managed
to publish a few key papers
to publish a few key papers
22
61978
4076
och några år senare lyckades vi
publicera några nyckelrapporter
publicera några nyckelrapporter
01:18
that reported the discovery
of scale-free networks
of scale-free networks
23
66078
4097
om upptäckten av skalfria nätverk
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
som blev starten för den disciplin
som nu kallas nätverksvetenskap.
som nu kallas nätverksvetenskap.
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
Den riktigt intresserade
kan doktorera i nätverksvetenskap
kan doktorera i nätverksvetenskap
01:30
in Budapest, in Boston,
26
78503
2028
i Budapest och i Boston
01:32
and you can study it all over the world.
27
80555
2308
och man kan studera ämnet
i hela världen.
i hela världen.
01:35
A few years later,
28
83466
1595
Några år senare
01:37
when I moved to Harvard
first as a sabbatical,
first as a sabbatical,
29
85085
3230
när jag flyttade till Harvard
under ett sabbatsår
under ett sabbatsår
01:40
I became interested
in another type of network:
in another type of network:
30
88339
3092
blev jag intresserad av
en annan sorts nätverk:
en annan sorts nätverk:
01:43
that time, the networks within ourselves,
31
91455
3027
nätverken i våra kroppar,
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
hur gener, proteiner
och deras nedbrytningsprodukter
och deras nedbrytningsprodukter
är länkade till varandra
och till sjukdomar.
och till sjukdomar.
01:50
and how they connect to disease.
33
98256
2493
01:53
And that interest led
to a major explosion within medicine,
to a major explosion within medicine,
34
101368
4592
Intresset ledde till en revolution
inom medicinforskningen,
inom medicinforskningen,
01:57
including the Network Medicine
Division at Harvard,
Division at Harvard,
35
105984
3979
till exempel Avdelningen
för medicinska nätverk på Harvard
för medicinska nätverk på Harvard
02:01
that has more than 300 researchers
who are using this perspective
who are using this perspective
36
109987
3395
där över 300 forskare använder
detta perspektiv
detta perspektiv
02:05
to treat patients and develop new cures.
37
113406
2897
i behandlingen av patienter
och i forskningen om nya botemedel.
och i forskningen om nya botemedel.
02:09
And a few years ago,
38
117457
1770
För några år sedan
02:11
I thought that I would take
this idea of networks
this idea of networks
39
119251
2526
fick jag idén att använda
denna teori om nätverk
denna teori om nätverk
02:13
and the expertise we had in networks
40
121801
1766
och vår expertis om nätverk
02:15
in a different area,
41
123591
1392
inom ett nytt område.
02:17
that is, to understand success.
42
125007
1982
Nämligen för att förstå framgång.
02:19
And why did we do that?
43
127704
1210
Varför gjorde vi det?
02:20
Well, we thought that, to some degree,
44
128938
2281
Vi tänkte att, på något sätt,
02:23
our success is determined
by the networks we're part of --
by the networks we're part of --
45
131243
3377
borde vår framgång bero på
de nätverk vi ingår i.
de nätverk vi ingår i.
02:26
that our networks can push us forward,
they can pull us back.
they can pull us back.
46
134644
3847
Våra nätverk kan dra oss framåt
eller hålla oss tillbaka.
eller hålla oss tillbaka.
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
Jag undrade om vi kunde använda
all data och all vår expertkunskap
all data och all vår expertkunskap
02:35
where we develop the networks
48
143077
1403
när vi utvecklar nätverk
02:36
to really quantify
how these things happen.
how these things happen.
49
144504
3296
för att kvantifiera hur detta kan ske.
02:40
This is a result from that.
50
148404
1342
Detta är ett resultat.
02:41
What you see here is a network
of galleries in museums
of galleries in museums
51
149770
2947
Det ni ser här är ett nätverk
av gallerier på museer
av gallerier på museer
02:44
that connect to each other.
52
152741
1632
som länkar till varandra.
02:46
And through this map
that we mapped out last year,
that we mapped out last year,
53
154806
4055
Tack vare denna karta
som vi tog fram förra året
som vi tog fram förra året
02:50
we are able to predict very accurately
the success of an artist
the success of an artist
54
158885
4848
kan vi väldigt exakt förutspå
hur väl en konstnär kommer att lyckas
hur väl en konstnär kommer att lyckas
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
utifrån hans eller hennes
fem första utställningar.
fem första utställningar.
03:01
Well, as we thought about success,
56
169404
2706
När vi nu tänkte på framgång
03:04
we realized that success
is not only about networks;
is not only about networks;
57
172134
3067
insåg vi att framgång
inte bara handlar om nätverk;
inte bara handlar om nätverk;
03:07
there are so many
other dimensions to that.
other dimensions to that.
58
175225
2396
det beror på
så många andra faktorer.
så många andra faktorer.
03:10
And one of the things
we need for success, obviously,
we need for success, obviously,
59
178145
3247
En sak som självklart krävs
för framgång är prestation.
för framgång är prestation.
03:13
is performance.
60
181416
1170
03:14
So let's define what's the difference
between performance and success.
between performance and success.
61
182610
3504
Nu måste vi definiera skillnaden
mellan prestation och framgång.
mellan prestation och framgång.
03:18
Well, performance is what you do:
62
186465
1997
Prestation är vad du gör:
03:20
how fast you run,
what kind of paintings you paint,
what kind of paintings you paint,
63
188486
3032
hur fort du springer,
vilka tavlor du målar,
vilka tavlor du målar,
03:23
what kind of papers you publish.
64
191542
1881
vilka artiklar du publicerar.
03:25
However, in our working definition,
65
193835
2614
I vår definition handlar framgång om
03:28
success is about what the community
notices from what you did,
notices from what you did,
66
196473
4205
vad omgivningen lägger märke till
av det du gjorde,
av det du gjorde,
03:32
from your performance:
67
200702
1612
av din prestation.
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
Hur bekräftas din prestation
och hur belönas du för den?
och hur belönas du för den?
03:38
In other terms,
69
206494
1182
Med andra ord
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
handlar din prestation om dig.
Framgång handlar om oss alla.
Framgång handlar om oss alla.
03:45
And this was a very
important shift for us,
important shift for us,
71
213392
3334
Detta blev en vändpunkt för oss
03:48
because the moment we defined success
as being a collective measure
as being a collective measure
72
216750
4024
för när framgång definieras
som ett totalmått
som ett totalmått
03:52
that the community provides to us,
73
220798
2106
som vår omgivning ger oss
03:54
it became measurable,
74
222928
1510
blev det mätbart
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
för om det finns i vår omgivning
så finns det massor av mätpunkter.
så finns det massor av mätpunkter.
04:00
So we go to school,
we exercise, we practice,
we exercise, we practice,
76
228996
5280
Så vi går till skolan, vi övar, vi tränar,
04:06
because we believe
that performance leads to success.
that performance leads to success.
77
234300
2991
för vi tror att prestation
leder till framgång.
leder till framgång.
04:09
But the way we actually
started to explore,
started to explore,
78
237832
2015
Men efterhand som vi forskade insåg vi
04:11
we realized that performance and success
are very, very different animals
are very, very different animals
79
239871
3527
att prestation och framgång
är väsensskilda ting
är väsensskilda ting
04:15
when it comes to
the mathematics of the problem.
the mathematics of the problem.
80
243422
2444
när det handlar om
det matematiska i problemet.
det matematiska i problemet.
04:18
And let me illustrate that.
81
246429
1432
Låt mig visa detta.
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
Här ser ni Usain Bolt,
världens snabbaste man.
världens snabbaste man.
04:25
And of course, he wins most of
the competitions that he enters.
the competitions that he enters.
83
253832
3910
Han vinner såklart
det mesta han ställer upp i.
det mesta han ställer upp i.
04:30
And we know he's the fastest on earth
because we have a chronometer
because we have a chronometer
84
258393
3175
Vi vet att han är världens snabbaste
för vi har tidtagarur.
04:33
to measure his speed.
85
261592
1160
04:34
Well, what is interesting about him
is that when he wins,
is that when he wins,
86
262776
4119
Det som är intressant är
att när han vinner
att när han vinner
04:38
he doesn't do so by really significantly
outrunning his competition.
outrunning his competition.
87
266919
5502
vinner han inte med stor marginal.
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
Han är max en procent snabbare
än den som förlorar loppet.
än den som förlorar loppet.
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
Han springer bara en procent
snabbare än tvåan
snabbare än tvåan
04:53
but he doesn't run
10 times faster than I do --
10 times faster than I do --
90
281293
2849
och han springer inte
tio gånger fortare än jag
tio gånger fortare än jag
04:56
and I'm not a good runner,
trust me on that.
trust me on that.
91
284166
2181
och jag är ingen bra löpare - tro mig!
04:58
(Laughter)
92
286371
1197
(Skratt)
04:59
And every time we are able
to measure performance,
to measure performance,
93
287592
3502
Varje gång vi kan mäta prestation
05:03
we notice something very interesting;
94
291118
2050
noterar vi något mycket intressant;
05:05
that is, performance is bounded.
95
293192
2511
prestationen är begränsad.
05:07
What it means is that there are
no huge variations in human performance.
no huge variations in human performance.
96
295727
3757
Med det menar vi
att variationerna är små.
att variationerna är små.
05:11
It varies only in a narrow range,
97
299508
3432
Prestationen varierar
inom ett litet område,
inom ett litet område,
05:14
and we do need the chronometer
to measure the differences.
to measure the differences.
98
302964
3279
så vi behöver tidtagarur
för att notera skillnaden.
för att notera skillnaden.
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
Det betyder inte att vi inte kan
skilja de bra från de bästa,
skilja de bra från de bästa,
05:21
but the best ones
are very hard to distinguish.
are very hard to distinguish.
100
309459
2733
men det är svårt
att särskilja de bästa.
att särskilja de bästa.
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
Problemet med det är
att vi oftast jobbar i branscher
att vi oftast jobbar i branscher
05:27
where we do not have a chronometer
to gauge our performance.
to gauge our performance.
102
315232
3922
där vi inte kan mätas med tidtagarur.
05:31
Alright, performance is bounded,
103
319178
1564
Så, prestationen är begränsad,
05:32
there are no huge differences between us
when it comes to our performance.
when it comes to our performance.
104
320766
3532
det är inga stora skillnader
mellan oss vad gäller prestation.
mellan oss vad gäller prestation.
05:36
How about success?
105
324322
1157
Men framgång då?
05:37
Well, let's switch to
a different topic, like books.
a different topic, like books.
106
325995
2930
Vi byter till ett nytt ämne; böcker.
05:40
One measure of success for writers is
how many people read your work.
how many people read your work.
107
328949
5015
Ett mått på en författares framgång
är hur många som läser hens bok.
är hur många som läser hens bok.
05:46
And so when my previous book
came out in 2009,
came out in 2009,
108
334662
4410
Så när min senaste bok gavs ut 2009
05:51
I was in Europe talking with my editor,
109
339096
1902
pratade jag med min europeiska utgivare.
05:53
and I was interested:
Who is the competition?
Who is the competition?
110
341022
2462
Jag frågade: Vilka är mina konkurrenter?
05:56
And I had some fabulous ones.
111
344253
2735
De var fantastiska!
05:59
That week --
112
347012
1169
Samma vecka -
06:00
(Laughter)
113
348205
1024
(Skratt)
06:01
Dan Brown came out with "The Lost Symbol,"
114
349253
3557
kom Dan Brown ut
med "Den förlorade symbolen",
med "Den förlorade symbolen",
och Nicholas Sparks kom ut
med "The last song".
med "The last song".
06:04
and "The Last Song" also came out,
115
352834
2982
06:07
Nicholas Sparks.
116
355840
1429
06:09
And when you just look at the list,
117
357293
2988
Om du tittar på listan
06:12
you realize, you know, performance-wise,
there's hardly any difference
there's hardly any difference
118
360305
3453
så förstår du att prestationsmässigt
är det ingen stor skillnad
är det ingen stor skillnad
06:15
between these books or mine.
119
363782
1598
mellan dessa böcker och min bok.
06:17
Right?
120
365404
1175
Eller hur?
06:18
So maybe if Nicholas Sparks's team
works a little harder,
works a little harder,
121
366603
4668
Kanske om Nicholas Sparks förlag
jobbat lite hårdare,
jobbat lite hårdare,
06:23
he could easily be number one,
122
371295
1722
så kunde han varit listetta,
06:25
because it's almost by accident
who ended up at the top.
who ended up at the top.
123
373041
2898
det är ju lite av en slump
vem som hamnar överst.
vem som hamnar överst.
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
Siffermänniska som jag är, sa jag:
låt oss titta på siffrorna.
låt oss titta på siffrorna.
06:31
So let's see what were
the sales for Nicholas Sparks.
the sales for Nicholas Sparks.
125
379663
4318
Låt oss kolla Nicholas Sparks
försäljningssiffror.
försäljningssiffror.
06:36
And it turns out that
that opening weekend,
that opening weekend,
126
384005
2054
Det visar sig att han redan första helgen
06:38
Nicholas Sparks sold more than
a hundred thousand copies,
a hundred thousand copies,
127
386083
2975
sålde mer än 100 000 exemplar.
06:41
which is an amazing number.
128
389082
1705
Ett otroligt antal!
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
Man kan faktiskt bli etta
på New York Times bästsäljarlista
på New York Times bästsäljarlista
06:46
by selling 10,000 copies a week,
130
394231
2110
med 10 000 exemplar på en vecka,
06:48
so he tenfold overcame
what he needed to be number one.
what he needed to be number one.
131
396365
3752
så han sålde tio gånger så mycket.
06:52
Yet he wasn't number one.
132
400141
1430
Ändå blev han inte etta.
06:53
Why?
133
401595
1308
Varför?
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
För att Dan Brown sålde
1,2 miljoner exemplar samma helg.
1,2 miljoner exemplar samma helg.
06:59
(Laughter)
135
407029
2136
(Skratt)
07:01
And the reason I like this number
is because it shows that, really,
is because it shows that, really,
136
409189
3971
Jag gillar de här siffrorna,
för de visar verkligen
för de visar verkligen
07:05
when it comes to success, it's unbounded,
137
413184
3730
att framgången är obegränsad.
07:08
that the best doesn't only get
slightly more than the second best
slightly more than the second best
138
416938
5861
Den bästa får inte lite mer
än den näst bästa,
än den näst bästa,
07:14
but gets orders of magnitude more,
139
422823
2697
utan många gånger mer,
07:17
because success is a collective measure.
140
425544
2794
eftersom framgång bestäms av kollektivet.
07:20
We give it to them, rather than
we earn it through our performance.
we earn it through our performance.
141
428362
4376
Man snarare får framgång,
än förtjänar med sin prestation.
än förtjänar med sin prestation.
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
Så nu har vi insett att prestationen,
det vi gör, har sina begränsningar,
det vi gör, har sina begränsningar,
07:30
but success, which is
collective, is unbounded,
collective, is unbounded,
143
438162
2682
men framgång, som bestäms
av andra, saknar begränsningar.
av andra, saknar begränsningar.
07:32
which makes you wonder:
144
440868
1312
Nu undrar man:
07:34
How do you get these
huge differences in success
huge differences in success
145
442204
2911
Hur kan skillnaderna i framgång
vara så extremt stora
vara så extremt stora
07:37
when you have such tiny
differences in performance?
differences in performance?
146
445139
2906
när skillnaden i prestation är så liten?
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
Jag gav nyligen ut en bok
som handlade om just det.
som handlade om just det.
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
Men det hinner jag
inte berätta om idag,
inte berätta om idag,
07:47
so I'm going to go back
to the question of,
to the question of,
149
455211
2071
så jag återgår till frågan
om framgång: när får man det?
om framgång: när får man det?
07:49
alright, you have success;
when should that appear?
when should that appear?
150
457306
3135
07:52
So let's go back to the party spoiler
and ask ourselves:
and ask ourselves:
151
460465
3758
Låt oss återgå till festförstöraren
och fråga oss:
07:57
Why did Einstein make
this ridiculous statement,
this ridiculous statement,
152
465215
3339
Varför kom Einstein
med det fåniga påståendet
med det fåniga påståendet
08:00
that only before 30
you could actually be creative?
you could actually be creative?
153
468578
3156
att man bara är kreativ före 30?
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
Tja, han tittade runt sig
och såg fantastiska fysiker
och såg fantastiska fysiker
08:08
that created quantum mechanics
and modern physics,
and modern physics,
155
476462
2587
som skapade kvantmekanik
och modern fysik
och modern fysik
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
och de var alla kring 20 eller 30 år.
08:15
And it's not only him.
157
483730
1220
Men det är inte bara han.
08:16
It's not only observational bias,
158
484974
1623
Och det är inte bara fördomar,
08:18
because there's actually
a whole field of genius research
a whole field of genius research
159
486621
3997
utan forskningen kring genier
08:22
that has documented the fact that,
160
490642
2256
har visat det faktum att när vi tittar
på de vi beundrar mest genom historien
på de vi beundrar mest genom historien
08:24
if we look at the people
we admire from the past
we admire from the past
161
492922
3160
08:28
and then look at what age
they made their biggest contribution,
they made their biggest contribution,
162
496106
3358
och hur gamla de var
när de presterade som bäst
när de presterade som bäst
08:31
whether that's music,
whether that's science,
whether that's science,
163
499488
2096
inom musiken, inom vetenskapen,
08:33
whether that's engineering,
164
501608
1619
inom ingenjörskonsten,
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
var de flesta kring 20, 30
eller möjligen 40.
eller möjligen 40.
08:41
But there's a problem
with this genius research.
with this genius research.
166
509914
2791
Det finns dock ett problem med
forskningen kring genier.
forskningen kring genier.
08:45
Well, first of all, it created
the impression to us
the impression to us
167
513197
3280
För det första ger den oss intrycket
08:48
that creativity equals youth,
168
516501
3479
att kreativitet sammanfaller med ungdom
08:52
which is painful, right?
169
520004
1610
och det känns ju jobbigt, eller?
08:53
(Laughter)
170
521638
1951
(Skratt)
08:55
And it also has an observational bias,
171
523613
4088
Forskningen innehåller också
ett systematiskt fel
ett systematiskt fel
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
för den tittar bara på genierna
och inte på de vanliga forskarna
och inte på de vanliga forskarna
09:04
and doesn't look at all of us and ask,
173
532711
1965
och den tittar inte på oss alla och frågar
09:06
is it really true that creativity
vanishes as we age?
vanishes as we age?
174
534700
3185
om det verkligen är sant
att kreativiteten minskar med åren.
att kreativiteten minskar med åren.
09:10
So that's exactly what we tried to do,
175
538382
1877
Så precis det har vi försökt göra
09:12
and this is important for that
to actually have references.
to actually have references.
176
540283
3803
för att få korrekta referenser.
09:16
So let's look at an ordinary
scientist like myself,
scientist like myself,
177
544110
2643
Låt oss titta på
en ordinär forskare som jag själv.
en ordinär forskare som jag själv.
09:18
and let's look at my career.
178
546777
1522
Låt oss titta på min karriär.
09:20
So what you see here is all the papers
that I've published
that I've published
179
548323
3202
Här ser ni de artiklar jag publicerat
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
från den allra första, 1989,
när jag fortfarande var i Rumänien,
när jag fortfarande var i Rumänien,
09:28
till kind of this year.
181
556688
1593
till i år.
09:30
And vertically, you see
the impact of the paper,
the impact of the paper,
182
558940
2518
På den vertikala axeln ser ni
artikelns tyngd,
artikelns tyngd,
09:33
that is, how many citations,
183
561482
1403
hur ofta den blivit citerad,
09:34
how many other papers
have been written that cited that work.
have been written that cited that work.
184
562909
3988
hur många andra artiklar
som citerar den.
som citerar den.
09:39
And when you look at that,
185
567397
1300
När man tittar på det
09:40
you see that my career
has roughly three different stages.
has roughly three different stages.
186
568721
2813
ser man att min karriär haft
i princip tre faser.
i princip tre faser.
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
De första tio åren jobbade jag hårt
09:46
and I don't achieve much.
188
574017
1276
och uppnådde inte mycket.
09:47
No one seems to care
about what I do, right?
about what I do, right?
189
575317
2118
Ingen verkade bry sig om
vad jag gjorde.
vad jag gjorde.
09:49
There's hardly any impact.
190
577459
1681
Det betydde inget.
09:51
(Laughter)
191
579164
1404
(Skratt)
09:52
That time, I was doing material science,
192
580592
2887
Jag höll på med materialforskning
09:55
and then I kind of discovered
for myself networks
for myself networks
193
583503
3691
när jag upptäckte nätverk
09:59
and then started publishing in networks.
194
587218
1947
och började skriva artiklar om det.
10:01
And that led from one high-impact
paper to the other one.
paper to the other one.
195
589189
3073
Och det ledde till
flera tunga artiklar.
flera tunga artiklar.
10:04
And it really felt good.
That was that stage of my career.
That was that stage of my career.
196
592286
3104
Det kändes riktigt bra.
Det var den fasen i karriären.
Det var den fasen i karriären.
10:07
(Laughter)
197
595414
1282
(Skratt)
10:08
So the question is,
what happens right now?
what happens right now?
198
596720
3208
Så frågan är, vad händer nu?
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
Det vet vi inte, det har inte
gått tillräckligt mycket tid
gått tillräckligt mycket tid
10:15
to actually figure out how much impact
those papers will get;
those papers will get;
200
603850
2987
för att man ska kunna veta
artiklarnas värde;
artiklarnas värde;
10:18
it takes time to acquire.
201
606861
1227
sådan kunskap tar tid.
10:20
Well, when you look at the data,
202
608112
1569
Men om vi tittar på informationen
10:21
it seems to be that Einstein,
the genius research, is right,
the genius research, is right,
203
609705
2854
verkar det som om Einstein
och geniforskningen har rätt,
och geniforskningen har rätt,
10:24
and I'm at that stage of my career.
204
612583
1811
och jag är i denna fas av min karriär.
10:26
(Laughter)
205
614418
2308
(Skratt)
10:28
So we said, OK, let's figure out
how does this really happen,
how does this really happen,
206
616750
5974
Så vi tänkte att, OK, låt oss klura ut
hur detta egentligen går till.
hur detta egentligen går till.
10:34
first in science.
207
622748
1778
Först inom vetenskapen.
10:36
And in order not to have
the selection bias,
the selection bias,
208
624550
3632
Vi ville göra ett korrekt urval,
10:40
to look only at geniuses,
209
628206
1337
inte bara titta på genier,
10:41
we ended up reconstructing the career
of every single scientist
of every single scientist
210
629567
3716
så vi gick igenom alla vetenskapsmän
10:45
from 1900 till today
211
633307
2502
från år 1900 till idag
10:47
and finding for all scientists
what was their personal best,
what was their personal best,
212
635833
3712
för att finna varje persons
höjdpunkt i karriären
höjdpunkt i karriären
10:51
whether they got the Nobel Prize
or they never did,
or they never did,
213
639569
2812
oavsett om de vann Nobelpris eller ej,
10:54
or no one knows what they did,
even their personal best.
even their personal best.
214
642405
3407
eller om ingen minns vad de gjorde
ens när de stod på topp.
ens när de stod på topp.
10:57
And that's what you see in this slide.
215
645836
1915
Det är det ni ser på denna bild.
10:59
Each line is a career,
216
647775
1573
Varje linje är en karriär
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
och den lilla blå pricken
på varje karriär
på varje karriär
11:04
it says that was their personal best.
218
652399
2040
visar den personens bästa tid.
11:06
And the question is,
219
654463
1155
Frågan är:
11:07
when did they actually make
their biggest discovery?
their biggest discovery?
220
655642
3568
när gjorde de sin största upptäckt?
11:11
To quantify that,
221
659234
1165
För att kvantifiera det,
11:12
we look at what's the probability
that you make your biggest discovery,
that you make your biggest discovery,
222
660423
3376
undersökte vi sannolikheten
att man gör sin största upptäckt
att man gör sin största upptäckt
11:15
let's say, one, two, three
or 10 years into your career?
or 10 years into your career?
223
663823
2672
ett, två, tre eller tio år
in i sin karriär.
in i sin karriär.
11:18
We're not looking at real age.
224
666519
1480
Vi tittar inte på verklig ålder
11:20
We're looking at
what we call "academic age."
what we call "academic age."
225
668023
2134
utan på det vi kallar
"akademisk ålder".
"akademisk ålder".
11:22
Your academic age starts
when you publish your first papers.
when you publish your first papers.
226
670181
3250
Din akademiska ålder börjar
när du publicerar din första artikel.
när du publicerar din första artikel.
11:25
I know some of you are still babies.
227
673455
1779
Jag vet att några av er är spädbarn.
11:27
(Laughter)
228
675258
1397
(Skratt)
11:28
So let's look at the probability
229
676679
2706
Låt oss titta på sannolikheten
11:31
that you publish
your highest-impact paper.
your highest-impact paper.
230
679409
2066
för när du publicerar
din viktigaste artikel.
din viktigaste artikel.
11:33
And what you see is, indeed,
the genius research is right.
the genius research is right.
231
681499
3071
Man ser då att geniforskningen har rätt.
11:36
Most scientists tend to publish
their highest-impact paper
their highest-impact paper
232
684594
3024
De flesta publicerar
sin viktigaste artikel
sin viktigaste artikel
11:39
in the first 10, 15 years in their career,
233
687642
2899
under sina första 10, 15 år av karriären,
11:42
and it tanks after that.
234
690565
3133
och sedan rasar det.
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
Det rasar fort.
Jag är 30 år in i karriären
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
och sannolikheten
att jag ska publicera en artikel
att jag ska publicera en artikel
som är viktigare än vad jag gjort förut
11:54
than anything that I did before
237
702417
1940
11:56
is less than one percent.
238
704381
1353
är mindre än 1 procent.
11:57
I am in that stage of my career,
according to this data.
according to this data.
239
705758
3049
Enligt dessa data
är jag i den fasen av karriären.
är jag i den fasen av karriären.
12:01
But there's a problem with that.
240
709648
1843
Problemet med detta är
12:03
We're not doing controls properly.
241
711515
3675
att vi inte hanterar våra data korrekt.
12:07
So the control would be,
242
715214
1417
Vi borde titta på
12:08
what would a scientist look like
who makes random contribution to science?
who makes random contribution to science?
243
716655
4607
vetenskapsmän som slumpmässigt
som bidrar till vetenskapen.
som bidrar till vetenskapen.
12:13
Or what is the productivity
of the scientist?
of the scientist?
244
721286
2995
Eller hur produktiv
är en sådan vetenskapsman?
är en sådan vetenskapsman?
12:16
When do they write papers?
245
724305
2006
När skriver hen sina artiklar?
12:18
So we measured the productivity,
246
726335
2444
Så vi mätte produktiviteten
12:20
and amazingly, the productivity,
247
728803
2052
och märkligt nog är produktiviteten,
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
sannolikheten att skriva en artikel
i början av din karriär
i början av din karriär
12:27
is indistinguishable from the likelihood
of having the impact
of having the impact
249
735034
3606
lika stor som sannolikheten
att nå framgång
att nå framgång
12:30
in that part of your career.
250
738664
1775
i den fasen av din karriär.
12:33
And to make a long story short,
251
741026
1783
För att göra en lång historia kort:
12:34
after lots of statistical tests,
there's only one explanation for that,
there's only one explanation for that,
252
742833
4228
Efter många statistiska tester
kom vi fram till
kom vi fram till
12:39
that really, the way we scientists work
253
747085
2894
att så som vi arbetar inom vetenskapen
12:42
is that every single paper we write,
every project we do,
every project we do,
254
750003
3633
har varje artikel och varje projekt
12:45
has exactly the same chance
of being our personal best.
of being our personal best.
255
753660
4160
exakt samma chans
att vara ditt livs bästa.
att vara ditt livs bästa.
12:49
That is, discovery is like
a lottery ticket.
a lottery ticket.
256
757844
4953
Upptäckter är som lotterivinster.
12:54
And the more lottery tickets we buy,
257
762821
2351
Ju fler lotter vi köper,
12:57
the higher our chances.
258
765196
1507
desto större chans att vinna.
12:58
And it happens to be so
259
766727
1559
Och det råkar vara så
13:00
that most scientists buy
most of their lottery tickets
most of their lottery tickets
260
768310
2719
att de flesta vetenskapsmän
köper flest lotter
köper flest lotter
13:03
in the first 10, 15 years of their career,
261
771053
2460
de första 10, 15 åren av karriären,
13:05
and after that,
their productivity decreases.
their productivity decreases.
262
773537
3413
men sedan minskar deras produktivitet.
13:09
They're not buying
any more lottery tickets.
any more lottery tickets.
263
777411
2084
De köper inga fler lotter.
13:11
So it looks as if
they would not be creative.
they would not be creative.
264
779519
3444
Det ser ut som om
de inte längre är kreativa.
de inte längre är kreativa.
13:14
In reality, they stopped trying.
265
782987
1999
I själva verket har de slutat försöka.
13:17
So when we actually put the data together,
the conclusion is very simple:
the conclusion is very simple:
266
785509
3915
När vi verkligen sätter ihop all data
är slutsatsen enkel:
är slutsatsen enkel:
13:21
success can come at any time.
267
789448
2331
Framgång kan komma när som helst.
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
Det kan vara din allra första
eller din allra sista artikel.
eller din allra sista artikel.
13:27
It's totally random
in the space of the projects.
in the space of the projects.
269
795562
4288
Det är fullständigt slumpmässigt.
13:31
It is the productivity that changes.
270
799874
1931
Det är produktiviteten som förändras.
13:33
Let me illustrate that.
271
801829
1252
Låt mig illustrera detta.
13:35
Here is Frank Wilczek,
who got the Nobel Prize in Physics
who got the Nobel Prize in Physics
272
803105
3269
Här är Frank Wilczek,
som fick Nobelpris i fysik
som fick Nobelpris i fysik
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
för sin allra första artikel,
som han skrev som ung student.
som han skrev som ung student.
13:42
(Laughter)
274
810523
1007
(Skratt)
13:43
More interesting is John Fenn,
275
811554
3218
Ännu intressantare är John Fenn,
13:46
who, at age 70, was forcefully retired
by Yale University.
by Yale University.
276
814796
4598
som vid 70 pensionerades med tvång
från Yale University.
från Yale University.
13:51
They shut his lab down,
277
819418
2056
Hans labb stängdes ned
13:53
and at that moment, he moved
to Virginia Commonwealth University,
to Virginia Commonwealth University,
278
821498
3666
och han flyttade till
Virginia Commonwealth University.
Virginia Commonwealth University.
13:57
opened another lab,
279
825188
1786
Han startade ett nytt labb
13:58
and it is there, at age 72,
that he published a paper
that he published a paper
280
826998
3033
och vid 72 års ålder
publicerade han en artikel
publicerade han en artikel
14:02
for which, 15 years later, he got
the Nobel Prize for Chemistry.
the Nobel Prize for Chemistry.
281
830055
3845
för vilken han 15 år senare
fick Nobelpris i kemi.
fick Nobelpris i kemi.
14:06
And you think, OK,
well, science is special,
well, science is special,
282
834940
3042
Nu tror du kanske
att detta bara gäller i vetenskap.
att detta bara gäller i vetenskap.
14:10
but what about other areas
where we need to be creative?
where we need to be creative?
283
838006
3463
Vad gäller i andra områden
där man måste vara kreativ?
där man måste vara kreativ?
14:13
So let me take another
typical example: entrepreneurship.
typical example: entrepreneurship.
284
841493
4936
Låt mig ta ett annat exempel:
entreprenörskap.
entreprenörskap.
14:18
Silicon Valley,
285
846834
1579
Silicon Valley,
14:20
the land of the youth, right?
286
848437
2066
ungdomens förlovade land, eller?
14:22
And indeed, when you look at it,
287
850527
1595
Jo, när man tittar på det,
14:24
you realize that the biggest awards,
the TechCrunch Awards and other awards,
the TechCrunch Awards and other awards,
288
852146
4642
inser man att de finaste priserna,
typ TechCrunch Award,
typ TechCrunch Award,
14:28
are all going to people
289
856812
2173
går till personer
14:31
whose average age
is late 20s, very early 30s.
is late 20s, very early 30s.
290
859009
5015
som är i tjugo- eller trettioårsåldern.
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
Titta på vem riskkapitalisterna
ger pengar till.
ger pengar till.
14:42
all people in their early 30s.
292
870091
2241
Bara människor i trettioårsåldern.
14:44
Which, of course, we know;
293
872951
1265
Och vi vet ju
14:46
there is this ethos in Silicon Valley
that youth equals success.
that youth equals success.
294
874240
4453
att i Silicon Valley
betyder ungdom framgång.
betyder ungdom framgång.
14:51
Not when you look at the data,
295
879653
2183
Men inte om man tittar på fakta,
14:53
because it's not only
about forming a company --
about forming a company --
296
881860
2304
det handlar inte bara om
att starta ett företag.
att starta ett företag.
14:56
forming a company is like productivity,
trying, trying, trying --
trying, trying, trying --
297
884188
3140
Bygga upp företag handlar
om produktivitet - försöka, försöka.
om produktivitet - försöka, försöka.
14:59
when you look at which
of these individuals actually put out
of these individuals actually put out
298
887352
3484
Och titta på vilka det är
som faktiskt lyckas skapa
som faktiskt lyckas skapa
15:02
a successful company, a successful exit.
299
890860
2782
ett framgångsrikt företag.
15:05
And recently, some of our colleagues
looked at exactly that question.
looked at exactly that question.
300
893666
3720
Nyligen tittade några kollegor
på precis den frågan.
på precis den frågan.
15:09
And it turns out that yes,
those in the 20s and 30s
those in the 20s and 30s
301
897410
3156
Och det visade sig
att personer i 20- till 30-årsåldern
att personer i 20- till 30-årsåldern
15:12
put out a huge number of companies,
form lots of companies,
form lots of companies,
302
900590
3348
startar många företag
15:15
but most of them go bust.
303
903962
1531
men de flesta av dem går omkull.
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
Men i det här diagrammet
på de framgångsrika
på de framgångsrika
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
ser du att ju äldre du är,
desto troligare når du börsen
desto troligare når du börsen
15:26
or the sell the company successfully.
306
914027
2312
eller säljer företaget med vinst.
15:28
This is so strong, actually,
that if you are in the 50s,
that if you are in the 50s,
307
916847
3113
Sambandet är så starkt
att det för en 50-åring
att det för en 50-åring
15:31
you are twice as likely
to actually have a successful exit
to actually have a successful exit
308
919984
3588
är dubbelt så troligt att lyckas
15:35
than if you are in your 30s.
309
923596
1890
som för en 30-åring.
15:38
(Applause)
310
926613
4325
(Applåder)
15:43
So in the end, what is it
that we see, actually?
that we see, actually?
311
931645
3009
Så vad är egentligen vår slutsats?
15:46
What we see is that creativity has no age.
312
934678
4083
Vi har sett att kreativitet
inte är åldersbundet.
inte är åldersbundet.
15:50
Productivity does, right?
313
938785
2202
Men produktivitet är det.
15:53
Which is telling me that
at the end of the day,
at the end of the day,
314
941424
4135
Detta säger mig att till slut,
15:57
if you keep trying --
315
945583
2000
om man bara försöker,
15:59
(Laughter)
316
947607
2403
(Skratt)
16:02
you could still succeed
and succeed over and over.
and succeed over and over.
317
950034
3572
så kan man lyckas igen och igen.
16:05
So my conclusion is very simple:
318
953630
2391
Så min slutsats är enkel:
16:08
I am off the stage, back in my lab.
319
956045
2093
Jag lämnar scenen och går till mitt labb.
16:10
Thank you.
320
958162
1171
Tack.
16:11
(Applause)
321
959357
3309
(Applåder)
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