TEDxMidAtlantic
Albert-László Barabási: The real relationship between your age and your chance of success
Albert-László Barabási: Yaşınız ve başarı şansınız arasındaki gerçek ilişki
Filmed:
Readability: 4
2,762,222 views
Matematiksel analiz destekli, ağ bilimi teoristi Albert-László Barabási - alan fark etmeksizin - başarıya sürükleyen gizli mekanizmi keşfederek yaşınız ve başarı şansınız arasında ilgi çekici bir bağlantı ortaya çıkarıyor.
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
Bugün, aslında benim için
çok önemli bir gün.
çok önemli bir gün.
00:14
because it is my birthday.
1
2539
2121
Çünkü doğum günüm.
00:16
(Applause)
2
4684
3973
(Alkışlar)
Bu yüzden partiye katıldığınız için
hepinize teşekkürler.
hepinize teşekkürler.
00:20
And so, thanks to all of you
for joining the party.
for joining the party.
3
8681
3441
(Gülüşmeler)
00:24
(Laughter)
4
12146
1167
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
Ama her parti verdiğinizde
onu berbat eden birisi oluyor, değil mi?
onu berbat eden birisi oluyor, değil mi?
(Gülüşmeler)
00:30
(Laughter)
6
18147
1072
Ben bir fizikçiyim
00:31
And I'm a physicist,
7
19243
1359
00:32
and this time I brought
another physicist along to do so.
another physicist along to do so.
8
20626
4157
ve bu sefer partiyi bozması için
yanımda bir başka fizikçi daha getirdim.
yanımda bir başka fizikçi daha getirdim.
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
Adı Albert Einstein
aynı zamanda Albert.
aynı zamanda Albert.
Kendisi, 30 yaşına kadar
bilime katkısı olmayan kişinin
bilime katkısı olmayan kişinin
00:41
that the person who has not made
his great contributions to science
his great contributions to science
10
29393
4830
00:46
by the age of 30
11
34247
1559
artık katkıda bulunamayacağını
00:47
will never do so.
12
35830
1396
söyleyen kişi.
00:49
(Laughter)
13
37250
1012
(Gülme sesleri)
30 yaşının üstünde olduğumu
kontrol etmek için
kontrol etmek için
00:50
Now, you don't need to check Wikipedia
14
38286
2340
00:52
that I'm beyond 30.
15
40650
1571
Wikipedia'ya bakmanıza gerek yok.
00:54
(Laughter)
16
42245
1416
(Gülme sesleri)
00:55
So, effectively, what
he is telling me, and us,
he is telling me, and us,
17
43685
3606
Yani aslında bana, bize söylediği şey,
00:59
is that when it comes to my science,
18
47315
2544
konu bilime geldiği zaman
01:01
I'm deadwood.
19
49883
1203
ben pasif bir üyeyim.
01:04
Well, luckily, I had my share
of luck within my career.
of luck within my career.
20
52078
5586
Neyse ki kariyerimde şansım yaver gitti.
01:10
Around age 28, I became
very interested in networks,
very interested in networks,
21
58132
3822
28 yaşlarındayken iletişim ağlarına
ilgi duymaya başladım.
ilgi duymaya başladım.
01:13
and a few years later, we managed
to publish a few key papers
to publish a few key papers
22
61978
4076
Birkaç yıl sonra
ölçeksiz ağ keşfimizi rapor eden
ölçeksiz ağ keşfimizi rapor eden
01:18
that reported the discovery
of scale-free networks
of scale-free networks
23
66078
4097
birkaç önemli noktayı
yayınlamayı başardık.
yayınlamayı başardık.
Böylelikle, bugünkü
iletişim ağı bilimi doğmuş oldu.
iletişim ağı bilimi doğmuş oldu.
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
Eğer bu konuyla ilgileniyorsanız
Budapeşte'de ve Boston'da
Budapeşte'de ve Boston'da
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
iletişim ağı bilimleri
doktora derecesi alabilirsiniz.
doktora derecesi alabilirsiniz.
01:30
in Budapest, in Boston,
26
78503
2028
01:32
and you can study it all over the world.
27
80555
2308
Hatta bunu istediğiniz
yerde okuyabilirsiniz.
yerde okuyabilirsiniz.
01:35
A few years later,
28
83466
1595
Bir kaç yıl sonra Harvard'a
ilk maaşlı iznim için taşındığımda
ilk maaşlı iznim için taşındığımda
01:37
when I moved to Harvard
first as a sabbatical,
first as a sabbatical,
29
85085
3230
bu sefer ilgi duyduğum ağ
01:40
I became interested
in another type of network:
in another type of network:
30
88339
3092
hepimizin içinde bulunan
01:43
that time, the networks within ourselves,
31
91455
3027
genler, proteinler
ve metabolitlerin birbirleriyle
ve metabolitlerin birbirleriyle
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
01:50
and how they connect to disease.
33
98256
2493
ve hastalıklarla olan ilişkileriydi.
Bu uğraş, 300'den fazla araştırmacısıyla
01:53
And that interest led
to a major explosion within medicine,
to a major explosion within medicine,
34
101368
4592
tedavilerde bu bakış açısını kullanan
01:57
including the Network Medicine
Division at Harvard,
Division at Harvard,
35
105984
3979
Harvard İletişim Tıp bölümü de dahil,
02:01
that has more than 300 researchers
who are using this perspective
who are using this perspective
36
109987
3395
02:05
to treat patients and develop new cures.
37
113406
2897
tıpta büyük bir patlamaya neden oldu.
02:09
And a few years ago,
38
117457
1770
Birkaç yıl önce,
bu bakış açısını,
02:11
I thought that I would take
this idea of networks
this idea of networks
39
119251
2526
başarıyı anlamak için
02:13
and the expertise we had in networks
40
121801
1766
diğer alanlardaki ağlarla birleştirerek
geliştirebiliriz diye düşündüm.
geliştirebiliriz diye düşündüm.
02:15
in a different area,
41
123591
1392
02:17
that is, to understand success.
42
125007
1982
02:19
And why did we do that?
43
127704
1210
Peki bunu neden yaptık?
02:20
Well, we thought that, to some degree,
44
128938
2281
Bir bölüme kadar
başarımızın, parçası olduğumuz ağlar
tarafından belirlendiğini,
tarafından belirlendiğini,
02:23
our success is determined
by the networks we're part of --
by the networks we're part of --
45
131243
3377
bağlantılarımızın bizi ileriye götürüp
geriye çekebileceğini düşünüyorduk.
geriye çekebileceğini düşünüyorduk.
02:26
that our networks can push us forward,
they can pull us back.
they can pull us back.
46
134644
3847
Ağlar konusunda bilgi ve birikimimizi
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
bütün bunların
nasıl olduğunu belirlemek için
nasıl olduğunu belirlemek için
02:35
where we develop the networks
48
143077
1403
02:36
to really quantify
how these things happen.
how these things happen.
49
144504
3296
kullanıp kullanamayacağımızı
merak ediyordum.
merak ediyordum.
Bu onun bir sonucu.
02:40
This is a result from that.
50
148404
1342
Burada gördüğünüz,
birbiriyle bağlantılı olan
birbiriyle bağlantılı olan
02:41
What you see here is a network
of galleries in museums
of galleries in museums
51
149770
2947
müzelerdeki galerilerin bir ağ haritası.
02:44
that connect to each other.
52
152741
1632
02:46
And through this map
that we mapped out last year,
that we mapped out last year,
53
154806
4055
Geçen yıl planladığımız
bu harita sayesinde
bu harita sayesinde
bir sanatçının kariyerindeki
ilk beş sergisine bakarak
ilk beş sergisine bakarak
02:50
we are able to predict very accurately
the success of an artist
the success of an artist
54
158885
4848
o sanatçının başarısını
tam olarak tahmin edebilirim.
tam olarak tahmin edebilirim.
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
03:01
Well, as we thought about success,
56
169404
2706
Başarı hakkında düşünürken
başarının sadece ağlar ile ilgili
olmadığını fark ettik.
olmadığını fark ettik.
03:04
we realized that success
is not only about networks;
is not only about networks;
57
172134
3067
Bunun dışında birçok ölçü var.
03:07
there are so many
other dimensions to that.
other dimensions to that.
58
175225
2396
03:10
And one of the things
we need for success, obviously,
we need for success, obviously,
59
178145
3247
Doğal olarak başarı için gerekli olan
şeylerden biri performans.
şeylerden biri performans.
03:13
is performance.
60
181416
1170
Bu yüzden başarı ve performans
arasındaki farkı tanımlarsak
arasındaki farkı tanımlarsak
03:14
So let's define what's the difference
between performance and success.
between performance and success.
61
182610
3504
03:18
Well, performance is what you do:
62
186465
1997
performans, ne yaptığındır;
ne kadar hızlı koştuğun
ne tür resimler çizdiğin,
ne tür resimler çizdiğin,
03:20
how fast you run,
what kind of paintings you paint,
what kind of paintings you paint,
63
188486
3032
03:23
what kind of papers you publish.
64
191542
1881
ne tür yazılar yayınladığın.
03:25
However, in our working definition,
65
193835
2614
Oysaki bizim çalışma tanımımızda,
03:28
success is about what the community
notices from what you did,
notices from what you did,
66
196473
4205
başarı, toplumun yaptığınız
şeyden, performansınızdan
şeyden, performansınızdan
"Nasıl kabul ediliyor?"
veya "Ne işe yarıyor?"
veya "Ne işe yarıyor?"
03:32
from your performance:
67
200702
1612
03:34
How does it acknowledge it,
and how does it reward you for it?
and how does it reward you for it?
68
202338
4132
sorularına verdiği cevapla tanımlanır.
03:38
In other terms,
69
206494
1182
Bir başka deyişle,
performansınız sizinle ilgiliyken
başarınız hepimizle ilgili.
başarınız hepimizle ilgili.
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
03:45
And this was a very
important shift for us,
important shift for us,
71
213392
3334
Bu bizim için çok önemli bir değişimdi
03:48
because the moment we defined success
as being a collective measure
as being a collective measure
72
216750
4024
çünkü başarıyı toplumun bize sağladığı
toplu bir ölçü olarak
tanımladığımız andan itibaren
tanımladığımız andan itibaren
03:52
that the community provides to us,
73
220798
2106
başarı ölçülebilir oldu.
03:54
it became measurable,
74
222928
1510
Çünkü eğer başarı toplumdaysa o zaman
buna işaret eden birçok veri vardır.
buna işaret eden birçok veri vardır.
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
Bu yüzden okula gidiyoruz,
egzersiz yapıyoruz, pratik yapıyoruz.
egzersiz yapıyoruz, pratik yapıyoruz.
04:00
So we go to school,
we exercise, we practice,
we exercise, we practice,
76
228996
5280
04:06
because we believe
that performance leads to success.
that performance leads to success.
77
234300
2991
Çünkü performansın
başarıya ulaştırdığına inanıyoruz.
başarıya ulaştırdığına inanıyoruz.
04:09
But the way we actually
started to explore,
started to explore,
78
237832
2015
Ama aslında keşfetmeye başladığımız yön,
04:11
we realized that performance and success
are very, very different animals
are very, very different animals
79
239871
3527
olayın matematiğine baktığımızda
04:15
when it comes to
the mathematics of the problem.
the mathematics of the problem.
80
243422
2444
performans ve başarı çok farklı şeyler.
04:18
And let me illustrate that.
81
246429
1432
Bunu örneklendireyim.
Burada gördüğünüz kişi
dünyanın en hızlı adamı, Usain Bolt.
dünyanın en hızlı adamı, Usain Bolt.
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
Elbette ki girdiği
birçok yarışmayı kazanıyor.
birçok yarışmayı kazanıyor.
04:25
And of course, he wins most of
the competitions that he enters.
the competitions that he enters.
83
253832
3910
Onun dünya üzerindeki
en hızlı adam olduğunu biliyoruz.
en hızlı adam olduğunu biliyoruz.
04:30
And we know he's the fastest on earth
because we have a chronometer
because we have a chronometer
84
258393
3175
Çünkü hızını ölçmek için
kronometremiz var.
kronometremiz var.
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
İlginç olan ise rakiplerinden
daha hızlı koşarak kazanmıyor.
daha hızlı koşarak kazanmıyor.
04:38
he doesn't do so by really significantly
outrunning his competition.
outrunning his competition.
87
266919
5502
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
Yarışmayı kaybeden kişiden
en fazla yüzde bir daha hızlı koşuyor.
en fazla yüzde bir daha hızlı koşuyor.
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
Sadece ikinciden yüzde bir
daha hızlı koşmuyor,
daha hızlı koşmuyor,
04:53
but he doesn't run
10 times faster than I do --
10 times faster than I do --
90
281293
2849
aynı zamanda benden de
10 kat daha hızlı koşmuyor
10 kat daha hızlı koşmuyor
04:56
and I'm not a good runner,
trust me on that.
trust me on that.
91
284166
2181
ve inanın hiç iyi bir koşucu değilim.
04:58
(Laughter)
92
286371
1197
(Gülüşmeler)
04:59
And every time we are able
to measure performance,
to measure performance,
93
287592
3502
Performansı ölçebildiğimiz zaman
ilginç bir şey fark ederiz.
05:03
we notice something very interesting;
94
291118
2050
Performans sınırlıdır.
05:05
that is, performance is bounded.
95
293192
2511
05:07
What it means is that there are
no huge variations in human performance.
no huge variations in human performance.
96
295727
3757
Bu demek oluyor ki insanların
performansında büyük farklılıklar yok,
performansında büyük farklılıklar yok,
sadece küçük bir aralıkta değişiyor.
05:11
It varies only in a narrow range,
97
299508
3432
05:14
and we do need the chronometer
to measure the differences.
to measure the differences.
98
302964
3279
Bu farklılıkları ölçebilmek için
kronometreye ihtiyacımız var.
kronometreye ihtiyacımız var.
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
Bu, en iyiler yüzünden
iyileri göremiyoruz anlamına gelmiyor.
iyileri göremiyoruz anlamına gelmiyor.
Ama en iyilerin ayırt edilmesi çok zor.
05:21
but the best ones
are very hard to distinguish.
are very hard to distinguish.
100
309459
2733
Problem, bir çoğumuzun
performansını ölçmek için
performansını ölçmek için
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
kronometrenin olmadığı
alanlarda çalışıyor olması.
alanlarda çalışıyor olması.
05:27
where we do not have a chronometer
to gauge our performance.
to gauge our performance.
102
315232
3922
Pekâlâ performans sınırlı,
05:31
Alright, performance is bounded,
103
319178
1564
05:32
there are no huge differences between us
when it comes to our performance.
when it comes to our performance.
104
320766
3532
performansımız açısından
aramızda büyük farklar yok.
aramızda büyük farklar yok.
Peki ya başarı?
05:36
How about success?
105
324322
1157
05:37
Well, let's switch to
a different topic, like books.
a different topic, like books.
106
325995
2930
Başka bir konuya geçelim, mesela kitaplar.
05:40
One measure of success for writers is
how many people read your work.
how many people read your work.
107
328949
5015
Yazarlar için başarının ölçüsü
eserlerinin ne kadar okunduğu.
eserlerinin ne kadar okunduğu.
05:46
And so when my previous book
came out in 2009,
came out in 2009,
108
334662
4410
Şöyle ki benim önceki kitabım
2009'da yayınladığında,
2009'da yayınladığında,
05:51
I was in Europe talking with my editor,
109
339096
1902
Avrupa'da editörüm ile konuşurken
rakiplerimin kim olduğu
dikkatimi çekmişti.
dikkatimi çekmişti.
05:53
and I was interested:
Who is the competition?
Who is the competition?
110
341022
2462
05:56
And I had some fabulous ones.
111
344253
2735
Birkaç ünlü isim vardı.
O hafta
05:59
That week --
112
347012
1169
(Gülme sesleri)
06:00
(Laughter)
113
348205
1024
Nicholas Sparks'ın
"Son Şarkı" kitabıyla birlikte,
"Son Şarkı" kitabıyla birlikte,
06:01
Dan Brown came out with "The Lost Symbol,"
114
349253
3557
06:04
and "The Last Song" also came out,
115
352834
2982
Dan Brown'un
"Kayıp Sembol'' kitabı çıkmıştı.
"Kayıp Sembol'' kitabı çıkmıştı.
06:07
Nicholas Sparks.
116
355840
1429
Listeye baktığınız zaman
06:09
And when you just look at the list,
117
357293
2988
06:12
you realize, you know, performance-wise,
there's hardly any difference
there's hardly any difference
118
360305
3453
bu kitaplar ve benim kitabım arasında
neredeyse hiç performans farkı
olmadığını görüyorsunuz,
olmadığını görüyorsunuz,
06:15
between these books or mine.
119
363782
1598
06:17
Right?
120
365404
1175
değil mi?
06:18
So maybe if Nicholas Sparks's team
works a little harder,
works a little harder,
121
366603
4668
Yani belki Nicholas Spark'ın takımı
biraz daha fazla çalışırsa
biraz daha fazla çalışırsa
kolaylıkla bir numara olabilir.
06:23
he could easily be number one,
122
371295
1722
Çünkü ilk sıraya yerleşen kişi
neredeyse yanlışlıkla birinci olmuştu.
neredeyse yanlışlıkla birinci olmuştu.
06:25
because it's almost by accident
who ended up at the top.
who ended up at the top.
123
373041
2898
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
Bu yüzden sayılara bakalım dedim.
Ben bir veri insanıyım, değil mi?
Ben bir veri insanıyım, değil mi?
Nicholas Sparks'ın
satışlarına baktığımız zaman,
satışlarına baktığımız zaman,
06:31
So let's see what were
the sales for Nicholas Sparks.
the sales for Nicholas Sparks.
125
379663
4318
06:36
And it turns out that
that opening weekend,
that opening weekend,
126
384005
2054
açılışın gerçekleştiği hafta sonunda
06:38
Nicholas Sparks sold more than
a hundred thousand copies,
a hundred thousand copies,
127
386083
2975
yüz binden daha fazla
satış yaptığını görüyoruz.
satış yaptığını görüyoruz.
06:41
which is an amazing number.
128
389082
1705
Bu, harika bir rakam.
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
Haftada on bin kitap satarak
"New York Times" en çok satanlar
listesinin başına geçebilirsiniz.
listesinin başına geçebilirsiniz.
06:46
by selling 10,000 copies a week,
130
394231
2110
06:48
so he tenfold overcame
what he needed to be number one.
what he needed to be number one.
131
396365
3752
Nicholas, birinci olmak için
gerekenden 10 kat daha fazlasını yaptı
gerekenden 10 kat daha fazlasını yaptı
06:52
Yet he wasn't number one.
132
400141
1430
ama birinci olamadı.
06:53
Why?
133
401595
1308
Neden?
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
Çünkü Dan Brown
1,2 milyon kopya satmıştı.
1,2 milyon kopya satmıştı.
(Gülme sesleri)
06:59
(Laughter)
135
407029
2136
07:01
And the reason I like this number
is because it shows that, really,
is because it shows that, really,
136
409189
3971
Bu sayıyı sevme sebebim;
söz konusu başarı olduğunda
sınır olmadığını,
sınır olmadığını,
07:05
when it comes to success, it's unbounded,
137
413184
3730
en iyinin, ikinci en iyiden
çok az farkla değil,
çok az farkla değil,
07:08
that the best doesn't only get
slightly more than the second best
slightly more than the second best
138
416938
5861
07:14
but gets orders of magnitude more,
139
422823
2697
onlarca kat farkla
en iyi olduğunu göstermesi.
en iyi olduğunu göstermesi.
Çünkü başarı toplu bir ölçü.
07:17
because success is a collective measure.
140
425544
2794
07:20
We give it to them, rather than
we earn it through our performance.
we earn it through our performance.
141
428362
4376
Performansımızla kazanmamızdan
ziyade onlara bunu biz veriyoruz.
ziyade onlara bunu biz veriyoruz.
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
Fark ettiğimiz şeylerden biri, performans,
bizim yaptığımız şeyler, sınırlı.
bizim yaptığımız şeyler, sınırlı.
07:30
but success, which is
collective, is unbounded,
collective, is unbounded,
143
438162
2682
Fakat toplu olan başarı sınırsız.
Bu da size şunu düşündürüyor:
07:32
which makes you wonder:
144
440868
1312
07:34
How do you get these
huge differences in success
huge differences in success
145
442204
2911
"Performansta bu kadar küçük farklılıkla
07:37
when you have such tiny
differences in performance?
differences in performance?
146
445139
2906
elde edilen başarılar
nasıl bu kadar farklı olabiliyor?"
nasıl bu kadar farklı olabiliyor?"
Geçtiğimiz günlerde, bu soruyla
ilgili bir kitap yayınladım.
ilgili bir kitap yayınladım.
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
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
Fakat hepsine değinmek için
yeterli vaktim yok.
yeterli vaktim yok.
Bu yüzden,
07:47
so I'm going to go back
to the question of,
to the question of,
149
455211
2071
"Başarılısın, ama bu ne zaman ortaya
çıkmalı?" sorusuna dönüyorum.
çıkmalı?" sorusuna dönüyorum.
07:49
alright, you have success;
when should that appear?
when should that appear?
150
457306
3135
Bu yüzden partiyi bozan
insanlara dönüp şunu soralım:
insanlara dönüp şunu soralım:
07:52
So let's go back to the party spoiler
and ask ourselves:
and ask ourselves:
151
460465
3758
07:57
Why did Einstein make
this ridiculous statement,
this ridiculous statement,
152
465215
3339
Einstein, neden sadece 30 yaşından önce
08:00
that only before 30
you could actually be creative?
you could actually be creative?
153
468578
3156
yaratıcı olabileceğimizi söyleyen
saçma bir açıklama yapmış?
saçma bir açıklama yapmış?
Çünkü etrafında kuantum
mekaniğini ve modern fiziği yaratan
mekaniğini ve modern fiziği yaratan
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
08:08
that created quantum mechanics
and modern physics,
and modern physics,
155
476462
2587
ünlü fizikçiler vardı
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
ve hepsi 20'li yaşlarda
veya 30'lu yaşların başındaydılar.
veya 30'lu yaşların başındaydılar.
Böyle düşünen sadece Einstein değil.
08:15
And it's not only him.
157
483730
1220
08:16
It's not only observational bias,
158
484974
1623
Bu sadece gözlemlenmiş
bir ön yargı da değil.
bir ön yargı da değil.
08:18
because there's actually
a whole field of genius research
a whole field of genius research
159
486621
3997
Çünkü bunu kanıtlayan birçok dâhi vardı.
08:22
that has documented the fact that,
160
490642
2256
08:24
if we look at the people
we admire from the past
we admire from the past
161
492922
3160
Eğer geçmişten hayranlık
duyduğumuz insanlara
duyduğumuz insanlara
08:28
and then look at what age
they made their biggest contribution,
they made their biggest contribution,
162
496106
3358
ve en büyük katkılarını
yaptıkları yaşa bakarsak
yaptıkları yaşa bakarsak
müzik olsun, bilim olsun,
mühendislik olsun,
mühendislik olsun,
08:31
whether that's music,
whether that's science,
whether that's science,
163
499488
2096
08:33
whether that's engineering,
164
501608
1619
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
birçoğu 20'li, 30'lu yaşlarda
ve 40'lı yaşların başında yapmış.
ve 40'lı yaşların başında yapmış.
08:41
But there's a problem
with this genius research.
with this genius research.
166
509914
2791
Ama bu dâhi araştırmayla
ilgili bir problem var.
ilgili bir problem var.
İlk olarak, bizde yaratıcılığın
08:45
Well, first of all, it created
the impression to us
the impression to us
167
513197
3280
08:48
that creativity equals youth,
168
516501
3479
gençlikle paralel olduğu
izlenimini yarattı.
izlenimini yarattı.
08:52
which is painful, right?
169
520004
1610
Acı verici, değil mi?
08:53
(Laughter)
170
521638
1951
(Gülüşmeler)
Aynı zamanda gözlemsel bir ön yargısı var.
08:55
And it also has an observational bias,
171
523613
4088
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
Çünkü sadece dâhilere bakıyor.
Sıradan bilim insanlarına
veya normal insanlara bakıp
veya normal insanlara bakıp
09:04
and doesn't look at all of us and ask,
173
532711
1965
"Yaşlandıkça yaratıcılığımızın yok olduğu
gerçekten doğru mu?" diye sormuyor.
gerçekten doğru mu?" diye sormuyor.
09:06
is it really true that creativity
vanishes as we age?
vanishes as we age?
174
534700
3185
Bu yüzden biz de tam olarak
bunu yapmaya çalıştık
bunu yapmaya çalıştık
09:10
So that's exactly what we tried to do,
175
538382
1877
09:12
and this is important for that
to actually have references.
to actually have references.
176
540283
3803
ve elimizde bir örnek olması önemli.
09:16
So let's look at an ordinary
scientist like myself,
scientist like myself,
177
544110
2643
Hadi benim gibi sıradan
bir bilim insanına bakalım
bir bilim insanına bakalım
ve kariyerimi inceleyelim.
09:18
and let's look at my career.
178
546777
1522
09:20
So what you see here is all the papers
that I've published
that I've published
179
548323
3202
Burada gördüğünüz, hâlâ Romanya'dayken
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
1989 yılında yayınladığım ilk yazımdan
bu yıla kadarki tüm yazılarım.
bu yıla kadarki tüm yazılarım.
09:28
till kind of this year.
181
556688
1593
09:30
And vertically, you see
the impact of the paper,
the impact of the paper,
182
558940
2518
Yazılarımın etkisini
dikey olarak görüyorsunuz.
dikey olarak görüyorsunuz.
Kaç tane alıntı yapılmış
09:33
that is, how many citations,
183
561482
1403
veya başka kaç tane yazı
benim yazımdan bahsetmiş.
benim yazımdan bahsetmiş.
09:34
how many other papers
have been written that cited that work.
have been written that cited that work.
184
562909
3988
Grafiğe baktığınızda
09:39
And when you look at that,
185
567397
1300
kariyerimin kabaca üç bölümden
oluştuğunu görüyorsunuz.
oluştuğunu görüyorsunuz.
09:40
you see that my career
has roughly three different stages.
has roughly three different stages.
186
568721
2813
İlk 10 yıl çok çalıştığımı
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
fakat pek başarılı olamadığımı.
09:46
and I don't achieve much.
188
574017
1276
Kimse ne yaptığımı
umursamıyor gibi, değil mi?
umursamıyor gibi, değil mi?
09:47
No one seems to care
about what I do, right?
about what I do, right?
189
575317
2118
Neredeyse hiç etki yok.
09:49
There's hardly any impact.
190
577459
1681
09:51
(Laughter)
191
579164
1404
(Gülme sesleri)
09:52
That time, I was doing material science,
192
580592
2887
O zamanlar malzeme bilimiyle uğraşıyordum.
09:55
and then I kind of discovered
for myself networks
for myself networks
193
583503
3691
Sonrasında kendi ağlarımı keşfettim.
Daha sonra ise ağ bilimleri hakkında
yazı yayınlamaya başladım.
yazı yayınlamaya başladım.
09:59
and then started publishing in networks.
194
587218
1947
10:01
And that led from one high-impact
paper to the other one.
paper to the other one.
195
589189
3073
Bu, etkili yazılar yazmamı sağladı.
10:04
And it really felt good.
That was that stage of my career.
That was that stage of my career.
196
592286
3104
Gerçekten iyi hissediyordum
ve kariyerimin yükseldiği bir dönemdi.
ve kariyerimin yükseldiği bir dönemdi.
10:07
(Laughter)
197
595414
1282
(Gülme sesleri)
10:08
So the question is,
what happens right now?
what happens right now?
198
596720
3208
Soru şu: Şimdi ne olacak?
Bilmiyoruz çünkü bu yazıların
ne kadar etkili olacağını öğrenmek için
ne kadar etkili olacağını öğrenmek için
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
10:15
to actually figure out how much impact
those papers will get;
those papers will get;
200
603850
2987
yeterli zaman geçmedi,
sonuçta zaman gerektiren bir süreç.
sonuçta zaman gerektiren bir süreç.
10:18
it takes time to acquire.
201
606861
1227
Verilere baktığınızda
10:20
Well, when you look at the data,
202
608112
1569
Einstein'ın, dâhi
araştırmacının, haklı olduğu
araştırmacının, haklı olduğu
10:21
it seems to be that Einstein,
the genius research, is right,
the genius research, is right,
203
609705
2854
ve kariyerimin bu aşamasında
olduğum görülüyor, değil mi?
olduğum görülüyor, değil mi?
10:24
and I'm at that stage of my career.
204
612583
1811
10:26
(Laughter)
205
614418
2308
(Kahkahalar)
10:28
So we said, OK, let's figure out
how does this really happen,
how does this really happen,
206
616750
5974
Biz de bu yüzden öncelikle
bu işe bilimsel yaklaşarak
bu işe bilimsel yaklaşarak
nasıl gerçekleştiğini çözelim dedik.
10:34
first in science.
207
622748
1778
Ayrıca sadece dâhilere bakarak
işe ön yargılı yaklaşmamak için
işe ön yargılı yaklaşmamak için
10:36
And in order not to have
the selection bias,
the selection bias,
208
624550
3632
10:40
to look only at geniuses,
209
628206
1337
10:41
we ended up reconstructing the career
of every single scientist
of every single scientist
210
629567
3716
1900'den bugüne kadarki
tüm bilim insanlarının kariyerlerine
tüm bilim insanlarının kariyerlerine
tekrar göz attık.
10:45
from 1900 till today
211
633307
2502
Nobel ödülü alan veya almayan
10:47
and finding for all scientists
what was their personal best,
what was their personal best,
212
635833
3712
ya da ne yaptığı bilinmeyen
10:51
whether they got the Nobel Prize
or they never did,
or they never did,
213
639569
2812
tüm bilim insanlarının yaptıkları şeylerin
kendi rekorları olduğuna karar kıldık.
kendi rekorları olduğuna karar kıldık.
10:54
or no one knows what they did,
even their personal best.
even their personal best.
214
642405
3407
10:57
And that's what you see in this slide.
215
645836
1915
Bu slaytta gördüğünüz
her çizgi bir kariyer.
her çizgi bir kariyer.
10:59
Each line is a career,
216
647775
1573
O kariyerin üstündeki mavi nokta
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
en iyi kişisel başarıyı gösteriyor.
11:04
it says that was their personal best.
218
652399
2040
Soru şu ki
11:06
And the question is,
219
654463
1155
11:07
when did they actually make
their biggest discovery?
their biggest discovery?
220
655642
3568
"Ne zaman en büyük keşiflerini yaptılar?"
Bunu anlamak için en büyük katkının
11:11
To quantify that,
221
659234
1165
11:12
we look at what's the probability
that you make your biggest discovery,
that you make your biggest discovery,
222
660423
3376
kariyerin kaçıncı yılında
yapılabileceği ihtimaline bakıyoruz.
yapılabileceği ihtimaline bakıyoruz.
11:15
let's say, one, two, three
or 10 years into your career?
or 10 years into your career?
223
663823
2672
Gerçek yaşa bakmıyoruz.
11:18
We're not looking at real age.
224
666519
1480
''Akademik yaş'' dediğimiz şeye bakıyoruz.
11:20
We're looking at
what we call "academic age."
what we call "academic age."
225
668023
2134
Akademik yaş, ilk araştırmalarınızı
yayınladığınız zaman başlar.
yayınladığınız zaman başlar.
11:22
Your academic age starts
when you publish your first papers.
when you publish your first papers.
226
670181
3250
Biliyorum, bazılarınız hâlâ bebeksiniz.
11:25
I know some of you are still babies.
227
673455
1779
11:27
(Laughter)
228
675258
1397
(Gülme sesleri)
11:28
So let's look at the probability
229
676679
2706
O zaman, en iyi yazınızı
yayınlama ihtimalinize bir bakalım.
yayınlama ihtimalinize bir bakalım.
11:31
that you publish
your highest-impact paper.
your highest-impact paper.
230
679409
2066
11:33
And what you see is, indeed,
the genius research is right.
the genius research is right.
231
681499
3071
Siz de yapılan bu dâhi araştırmanın
doğru olduğunu göreceksiniz.
doğru olduğunu göreceksiniz.
11:36
Most scientists tend to publish
their highest-impact paper
their highest-impact paper
232
684594
3024
Birçok bilim insanı en iyi yazılarını
11:39
in the first 10, 15 years in their career,
233
687642
2899
kariyerlerinin ilk 10 -15
yılında yayınlıyor
yılında yayınlıyor
11:42
and it tanks after that.
234
690565
3133
ve sonrasında düşüşe geçiyor.
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
Hatta o kadar hızlı düşüyor ki
tam 30 yıllık kariyerimde
tam 30 yıllık kariyerimde
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
daha önce yazdığım bütün yazılardan
daha iyisini yazma ihtimalim
daha iyisini yazma ihtimalim
11:54
than anything that I did before
237
702417
1940
yüzde birden daha aza düşüyor.
11:56
is less than one percent.
238
704381
1353
Verilere göre kariyerimin bu bölümündeyim.
11:57
I am in that stage of my career,
according to this data.
according to this data.
239
705758
3049
12:01
But there's a problem with that.
240
709648
1843
Ama bir problem var.
12:03
We're not doing controls properly.
241
711515
3675
Kontrolleri düzgün yapmıyoruz.
12:07
So the control would be,
242
715214
1417
Kontrol şöyle olmalı:
12:08
what would a scientist look like
who makes random contribution to science?
who makes random contribution to science?
243
716655
4607
"Bilime rastgele bir katkıda bulunan
bilim insanı nasıl görünür?"
bilim insanı nasıl görünür?"
12:13
Or what is the productivity
of the scientist?
of the scientist?
244
721286
2995
ya da "Bilim insanının üretkenliği nedir?"
12:16
When do they write papers?
245
724305
2006
"Ne zaman yazı yazarlar?"
12:18
So we measured the productivity,
246
726335
2444
Bu yüzden biz de üretkenliği ölçtük.
12:20
and amazingly, the productivity,
247
728803
2052
Şaşırtıcı bir şekilde kariyerinizin
ilk yılında, ilk 10 yılında
ilk yılında, ilk 10 yılında
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
ya da ilk 20 yılında yazdıklarınızla
sonraki yıllarında yazdıklarınız arasında
sonraki yıllarında yazdıklarınız arasında
12:27
is indistinguishable from the likelihood
of having the impact
of having the impact
249
735034
3606
üretkenlik açısından fark yok.
12:30
in that part of your career.
250
738664
1775
Uzun lafın kısası,
12:33
And to make a long story short,
251
741026
1783
bir sürü istatistiksel testten
sonra sonuç şu ki
sonra sonuç şu ki
12:34
after lots of statistical tests,
there's only one explanation for that,
there's only one explanation for that,
252
742833
4228
12:39
that really, the way we scientists work
253
747085
2894
biz bilim insanlarının çalışma şekli,
yazdığı her yazının
veya yaptığı her projenin
veya yaptığı her projenin
12:42
is that every single paper we write,
every project we do,
every project we do,
254
750003
3633
kişisel rekor olma ihtimali aynı.
12:45
has exactly the same chance
of being our personal best.
of being our personal best.
255
753660
4160
Yani, keşif bir piyango bileti gibi.
12:49
That is, discovery is like
a lottery ticket.
a lottery ticket.
256
757844
4953
Ne kadar çok alırsak
şans o kadar yükselir.
şans o kadar yükselir.
12:54
And the more lottery tickets we buy,
257
762821
2351
12:57
the higher our chances.
258
765196
1507
Görünen o ki birçok bilim insanı
12:58
And it happens to be so
259
766727
1559
13:00
that most scientists buy
most of their lottery tickets
most of their lottery tickets
260
768310
2719
en çok piyango biletini
kariyerlerinin ilk 10 - 15 yılında alıyor.
kariyerlerinin ilk 10 - 15 yılında alıyor.
13:03
in the first 10, 15 years of their career,
261
771053
2460
Sonrasında ise üretkenlikleri azalıyor.
13:05
and after that,
their productivity decreases.
their productivity decreases.
262
773537
3413
Daha fazla piyango bileti almıyorlar.
13:09
They're not buying
any more lottery tickets.
any more lottery tickets.
263
777411
2084
Bu yüzden, yaratıcı
değilmiş gibi görünürler.
değilmiş gibi görünürler.
13:11
So it looks as if
they would not be creative.
they would not be creative.
264
779519
3444
Fakat sadece denemeyi bırakmışlardır.
13:14
In reality, they stopped trying.
265
782987
1999
Verileri bir araya getirdiğimiz
zaman sonuç çok basit.
zaman sonuç çok basit.
13:17
So when we actually put the data together,
the conclusion is very simple:
the conclusion is very simple:
266
785509
3915
Başarı her an gelebilir.
13:21
success can come at any time.
267
789448
2331
Yani kariyerinizdeki ilk
veya son yazınız başarılı olabilir.
veya son yazınız başarılı olabilir.
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
Bu, projeler uzayında tamamen rastlantı.
13:27
It's totally random
in the space of the projects.
in the space of the projects.
269
795562
4288
Değişen şey üretkenlik.
13:31
It is the productivity that changes.
270
799874
1931
13:33
Let me illustrate that.
271
801829
1252
Hemen örnek vereyim.
Yüksek lisans öğrencisi olarak
kariyerinde yazdığı ilk yazıyla
kariyerinde yazdığı ilk yazıyla
13:35
Here is Frank Wilczek,
who got the Nobel Prize in Physics
who got the Nobel Prize in Physics
272
803105
3269
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
Nobel Fizik Ödülü alan Frank Wilczek.
(Gülme sesleri)
13:42
(Laughter)
274
810523
1007
Daha da ilginci,
bir başka örnek, John Fenn.
bir başka örnek, John Fenn.
13:43
More interesting is John Fenn,
275
811554
3218
13:46
who, at age 70, was forcefully retired
by Yale University.
by Yale University.
276
814796
4598
70 yaşında, Yale Üniversitesi tarafından
emekli olmaya zorlandı.
emekli olmaya zorlandı.
13:51
They shut his lab down,
277
819418
2056
Laboratuvarını kapattılar.
O da Virginia Commonwealth
Üniversitesi'ne gitti.
Üniversitesi'ne gitti.
13:53
and at that moment, he moved
to Virginia Commonwealth University,
to Virginia Commonwealth University,
278
821498
3666
13:57
opened another lab,
279
825188
1786
Başka bir laboratuvar açtı.
13:58
and it is there, at age 72,
that he published a paper
that he published a paper
280
826998
3033
72 yaşında yayınladığı bir yazıyla
15 yıl sonra Nobel Kimya Ödülü aldı.
15 yıl sonra Nobel Kimya Ödülü aldı.
14:02
for which, 15 years later, he got
the Nobel Prize for Chemistry.
the Nobel Prize for Chemistry.
281
830055
3845
14:06
And you think, OK,
well, science is special,
well, science is special,
282
834940
3042
Tamam, bilim özel diye düşünüyorsunuz.
Peki ya yaratıcı olmamız
gereken diğer alanlar?
gereken diğer alanlar?
14:10
but what about other areas
where we need to be creative?
where we need to be creative?
283
838006
3463
Tipik bir örnek vereyim, girişimcilik.
14:13
So let me take another
typical example: entrepreneurship.
typical example: entrepreneurship.
284
841493
4936
14:18
Silicon Valley,
285
846834
1579
Silikon Vadisi.
14:20
the land of the youth, right?
286
848437
2066
Gençliğin yeri, değil mi?
İşin aslına baktığımızda
14:22
And indeed, when you look at it,
287
850527
1595
14:24
you realize that the biggest awards,
the TechCrunch Awards and other awards,
the TechCrunch Awards and other awards,
288
852146
4642
TechCrunch gibi en büyük ödüller,
ortalama 20'li yaşların sonunda
ortalama 20'li yaşların sonunda
14:28
are all going to people
289
856812
2173
ve 30'ların başında
olan insanlara veriliyor.
olan insanlara veriliyor.
14:31
whose average age
is late 20s, very early 30s.
is late 20s, very early 30s.
290
859009
5015
Bazı büyük şirketlerden ödül alanların
yaş ortalamasına bakıyorsunuz.
yaş ortalamasına bakıyorsunuz.
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
14:42
all people in their early 30s.
292
870091
2241
Hepsi 30'lu yaşların başında.
Elbette biliyoruz ki
14:44
Which, of course, we know;
293
872951
1265
14:46
there is this ethos in Silicon Valley
that youth equals success.
that youth equals success.
294
874240
4453
Silikon Vadisi'nde gençliğin başarıyla
paralel olduğu bir kültür var.
paralel olduğu bir kültür var.
14:51
Not when you look at the data,
295
879653
2183
Sadece verilere bakarak değil.
Çünkü bu sadece
şirket kurmakla ilgili değil,
şirket kurmakla ilgili değil,
14:53
because it's not only
about forming a company --
about forming a company --
296
881860
2304
14:56
forming a company is like productivity,
trying, trying, trying --
trying, trying, trying --
297
884188
3140
şirket kurmak üretkenlik gibidir,
sürekli denersiniz.
sürekli denersiniz.
Kimin gerçekten başarılı bir şirket kurup
14:59
when you look at which
of these individuals actually put out
of these individuals actually put out
298
887352
3484
başarılı bir çıkış yaptığına
bakarak da anlaşılıyor.
bakarak da anlaşılıyor.
15:02
a successful company, a successful exit.
299
890860
2782
Geçtiğimiz günlerde, meslektaşlarım
tam olarak bu konuyu incelediler.
tam olarak bu konuyu incelediler.
15:05
And recently, some of our colleagues
looked at exactly that question.
looked at exactly that question.
300
893666
3720
Sonuç olarak evet,
20'lerinde ve 30'larında olanların
20'lerinde ve 30'larında olanların
15:09
And it turns out that yes,
those in the 20s and 30s
those in the 20s and 30s
301
897410
3156
birçok şirket kurup
geliştirdiği ortaya çıkıyor.
geliştirdiği ortaya çıkıyor.
15:12
put out a huge number of companies,
form lots of companies,
form lots of companies,
302
900590
3348
Ama çoğu iflas ediyor.
15:15
but most of them go bust.
303
903962
1531
Ayrıca bu başarılı çıkışlara
baktığımızda göreceğimiz şey,
baktığımızda göreceğimiz şey,
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
yaşlandıkça piyasada başarılı olmanız
ya da iyi bir şirket kurmanız daha olası.
ya da iyi bir şirket kurmanız daha olası.
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
15:26
or the sell the company successfully.
306
914027
2312
Hatta o kadar yüksek bir ihtimal ki
eğer 50'li yaşlardaysanız
eğer 50'li yaşlardaysanız
15:28
This is so strong, actually,
that if you are in the 50s,
that if you are in the 50s,
307
916847
3113
15:31
you are twice as likely
to actually have a successful exit
to actually have a successful exit
308
919984
3588
30'lu yaşlarınıza göre daha başarılı
olma ihtimaliniz iki kat daha fazla.
olma ihtimaliniz iki kat daha fazla.
15:35
than if you are in your 30s.
309
923596
1890
15:38
(Applause)
310
926613
4325
(Alkışlar)
15:43
So in the end, what is it
that we see, actually?
that we see, actually?
311
931645
3009
Yani tam olarak sonuç:
15:46
What we see is that creativity has no age.
312
934678
4083
Yaratıcılığın yaşı yok
15:50
Productivity does, right?
313
938785
2202
ama üretkenliğin var, değil mi?
Bunun bana söylediği şey,
günün sonunda,
günün sonunda,
15:53
Which is telling me that
at the end of the day,
at the end of the day,
314
941424
4135
15:57
if you keep trying --
315
945583
2000
eğer denemeye devam ederseniz
15:59
(Laughter)
316
947607
2403
(Kahkahalar)
16:02
you could still succeed
and succeed over and over.
and succeed over and over.
317
950034
3572
tekrar tekrar başarabilirsiniz.
16:05
So my conclusion is very simple:
318
953630
2391
Bu yüzden şu an yapmam
gereken şey çok basit.
gereken şey çok basit.
Sahneden iniyorum
ve laboratuvarıma dönüyorum.
ve laboratuvarıma dönüyorum.
16:08
I am off the stage, back in my lab.
319
956045
2093
16:10
Thank you.
320
958162
1171
Teşekkürler.
(Alkışlar)
16:11
(Applause)
321
959357
3309
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