< Return to Video

Van-e kapcsolat az életkor és a siker között?

  • 0:00 - 0:03
    A mai nap igazán különleges számomra,
  • 0:03 - 0:05
    ugyanis ma van a születésnapom.
  • 0:05 - 0:08
    (Taps)
  • 0:09 - 0:12
    Szóval köszönöm, hogy eljöttek a partimra.
  • 0:12 - 0:13
    (Nevetés)
  • 0:13 - 0:18
    De ha buli van, mindig van valaki,
    aki azt elrontja. Igaz?
  • 0:18 - 0:19
    (Nevetés)
  • 0:19 - 0:21
    Fizikus vagyok,
  • 0:21 - 0:25
    és ma egy másik fizikust hoztam magammal,
    hogy betöltse ezt a szerepet.
  • 0:25 - 0:27
    A neve Albert Einstein, tehát ő is Albert.
  • 0:28 - 0:34
    Ő mondta azt, hogy aki nem alkotott
    a tudomány terén semmi maradandót
  • 0:34 - 0:36
    30 éves koráig,
  • 0:36 - 0:37
    az már nem is fog.
  • 0:37 - 0:38
    (Nevetés)
  • 0:38 - 0:41
    Gondolom, nem kell megnézniük
    a Wikipediát, hogy lássák,
  • 0:41 - 0:42
    elmúltam már 30.
  • 0:42 - 0:44
    (Nevetés)
  • 0:44 - 0:47
    Amit tehát Einstein mond, azt jelenti,
  • 0:47 - 0:50
    hogy ha a szakterületemről
    van szó, annyit se érek már,
  • 0:50 - 0:51
    mint egy száraz kóró.
  • 0:52 - 0:58
    Mindenesetre, ami a karrieremet illeti,
    több szempontból is szerencsém volt.
  • 0:58 - 1:02
    28 éves voltam, mikor elkezdtem
    hálózatokkal foglalkozni.
  • 1:02 - 1:06
    Néhány évvel később pedig
    két fontos tanulmányt is publikáltunk,
  • 1:06 - 1:10
    melyekben a skálafüggetlen hálózatok
    felfedezéséről számoltunk be,
  • 1:10 - 1:15
    és ezzel megszületett egy új tudományág,
    melyet ma hálózatkutatásnak nevezünk.
  • 1:15 - 1:18
    Ha esetleg érdekel valakit,
    hálózatkutatásból már doktorálni is lehet
  • 1:19 - 1:21
    Budapesten, Bostonban;
  • 1:21 - 1:23
    és a világ számos pontján van ilyen szak.
  • 1:23 - 1:25
    Néhány évvel később,
  • 1:25 - 1:29
    mikor először jöttem a Harvardra –
    szabadságot kaptam erre az időre –,
  • 1:29 - 1:31
    egy másik hálózattípus
    keltette fel az érdeklődésem:
  • 1:31 - 1:34
    akkor a sejtjeinken belüli
    hálózatokkal kezdtem foglalkozni,
  • 1:35 - 1:38
    egész pontosan azzal, hogyan kapcsolódnak
    a gének, a fehérjék és a metabolitok,
  • 1:38 - 1:41
    és hogy ez hogyan hat
    a betegségek kialakulására.
  • 1:41 - 1:46
    Ez a fajta érdeklődés robbanásszerű
    változást hozott az orvostudományba,
  • 1:46 - 1:50
    és hatással volt például a Harvard
    Hálózati Orvostudomány tanszékére is,
  • 1:50 - 1:53
    ahol több mint 300 kutató
    használja ma ezt az elméletet
  • 1:53 - 1:57
    a gyógyítás és az új gyógymódok
    kifejlesztésének szolgálatában.
  • 1:57 - 2:00
    Néhány évvel ezelőtt úgy gondoltam,
  • 2:00 - 2:02
    hogy a hálózatokról alkotott elméleteket
  • 2:02 - 2:04
    és az itt szerzett ismereteket
  • 2:04 - 2:05
    egy másik területre viszem át,
  • 2:05 - 2:07
    és megpróbálom megfejteni a siker titkát.
  • 2:08 - 2:09
    Mi is volt ezzel a cél?
  • 2:09 - 2:11
    Úgy gondoltuk, hogy bizonyos mértékben
  • 2:11 - 2:15
    a siker is attól függ,
    milyen hálózatoknak vagyunk tagjai:
  • 2:15 - 2:19
    hálózataink lendületet adhatnak,
    de vissza is húzhatnak.
  • 2:19 - 2:23
    Arra voltam kíváncsi, felhasználható-e
    az a tudás, adatmennyiség és gyakorlat,
  • 2:23 - 2:26
    melyet a hálózatkutatás során
    eddig megszereztünk arra,
  • 2:26 - 2:28
    hogy a sikert mérni tudjuk.
  • 2:28 - 2:30
    A következő eredményre jutottunk.
  • 2:30 - 2:33
    Amit itt látnak, különböző
    múzeumok bemutatótermei,
  • 2:33 - 2:35
    melyek mind kapcsolatban állnak egymással.
  • 2:35 - 2:39
    Tavaly készültünk el azzal a térképpel,
    melynek segítségével
  • 2:39 - 2:44
    meglehetősen pontosan meg tudtuk
    határozni egy művész jövőbeli sikerét,
  • 2:44 - 2:48
    ha pályafutása első öt kiállításának
    adatai a rendelkezésünkre álltak.
  • 2:49 - 2:52
    Ahogy a siker mibenlétén gondolkodtunk,
  • 2:52 - 2:55
    rájöttünk, hogy a siker
    nemcsak a hálózatokon múlik,
  • 2:55 - 2:58
    hanem nagyon sok egyéb tényezőn is.
  • 2:58 - 3:01
    Ezek közül az egyik nyilvánvalóan
  • 3:01 - 3:02
    a teljesítmény.
  • 3:02 - 3:06
    Nézzük, mi a különbség
    a teljesítmény és a siker között.
  • 3:06 - 3:09
    A teljesítmény nem más,
    mint amit csinálunk:
  • 3:09 - 3:12
    hogyan futunk,
    milyen képeket festünk,
  • 3:12 - 3:13
    milyen tanulmányokat publikálunk.
  • 3:14 - 3:16
    Jelenlegi definíciónk
    szerint azonban a siker az,
  • 3:16 - 3:20
    amit a körülöttünk élők
    ebből a tevékenységből,
  • 3:20 - 3:22
    vagyis a teljesítményből észlelnek.
  • 3:22 - 3:26
    Hogyan ismerik el ezt a teljesítményt?
    Mivel jutalmazzák?
  • 3:26 - 3:28
    Más szóval,
  • 3:28 - 3:33
    a teljesítmény tőlünk függ,
    a siker viszont a többiektől.
  • 3:33 - 3:37
    Ez nagyon fontos állomása
    volt a munkánknak,
  • 3:37 - 3:39
    hiszen amint a sikert
    meghatározhattuk úgy,
  • 3:40 - 3:43
    mint a környezetünkből
    érkező kollektív mérőszámot,
  • 3:43 - 3:44
    máris mérhetővé tettük.
  • 3:44 - 3:49
    Vagyis ha a siker a környezet függvénye,
    számos adat áll rendelkezésünkre.
  • 3:49 - 3:54
    Iskolába járunk,
    képezzük magunkat, gyakorolunk,
  • 3:54 - 3:58
    mert úgy tudjuk,
    a siker záloga a teljesítmény.
  • 3:58 - 4:00
    Kutatásainkból viszont kiderült,
  • 4:00 - 4:03
    hogy a teljesítmény és a siker
    két nagyon, nagyon különböző állat,
  • 4:03 - 4:06
    ha matematikai szempontból
    vizsgáljuk a kérdést.
  • 4:06 - 4:08
    Hadd hozzak erre egy példát.
  • 4:08 - 4:13
    Ezen a felvételen a világ leggyorsabb
    emberét, Usain Boltot látják,
  • 4:14 - 4:18
    aki természetesen szinte minden versenyt
    megnyer, amin csak indul.
  • 4:18 - 4:21
    Abból tudjuk, hogy ő
    a világon a leggyorsabb,
  • 4:21 - 4:23
    mert a sebességét kronométerrel mérhetjük.
  • 4:23 - 4:26
    Bolttal kapcsolatban különösen
    érdekes, hogy mikor nyer,
  • 4:27 - 4:32
    nem azért nyer, mert sokkal
    gyorsabban fut, mint a többiek.
  • 4:32 - 4:37
    Maximum egy százalékkal fut
    gyorsabban, mint a második, aki veszít.
  • 4:38 - 4:41
    És az még hagyján, hogy a második
    helyezettnél csak 1%-kal gyorsabb,
  • 4:41 - 4:44
    de nálam sem tud tízszer gyorsabban futni,
  • 4:44 - 4:46
    pedig higgyék el,
    nem vagyok valami nagy futó.
  • 4:46 - 4:48
    (Nevetés)
  • 4:48 - 4:51
    Minden egyes alkalommal,
    mikor teljesítményt mérünk,
  • 4:51 - 4:53
    valami nagyon érdekes derül ki,
  • 4:53 - 4:56
    mégpedig az,
    hogy a teljesítmény korlátos.
  • 4:56 - 4:59
    Azt értem ezalatt, hogy nincsenek nagy
    különbségek az emberi teljesítményben:
  • 5:00 - 5:03
    az eredmények szűk skálán mozognak,
  • 5:03 - 5:06
    és nagy szükségünk van kronométerre,
    hogy a különbséget mérni tudjuk.
  • 5:06 - 5:10
    Ez persze nem azt jelenti, hogy a jót
    a legjobbtól ne tudnánk megkülönböztetni,
  • 5:10 - 5:12
    de a legjobbakat
    tényleg nehéz kiszűrni.
  • 5:12 - 5:15
    A probléma ugyanis az, hogy legtöbben
    olyan területen dolgozunk,
  • 5:15 - 5:19
    ahol a teljesítmény nem mérhető
    időmérő eszközökkel.
  • 5:19 - 5:21
    Azt tehát értjük,
    hogy a teljesítmény kötött,
  • 5:21 - 5:24
    és e tekintetben
    nincsenek köztünk nagy különbségek.
  • 5:24 - 5:26
    De mi a helyzet a sikerrel?
  • 5:26 - 5:29
    Nézzünk most egy másik témát:
    például a könyveket.
  • 5:29 - 5:34
    Az írók számára az egyik mérőszám az,
    hogy hányan olvassák a könyveiket.
  • 5:35 - 5:39
    Így aztán, mikor az előző könyvem
    2009-ben megjelent,
  • 5:39 - 5:41
    Európában voltam,
    a szerkesztőmmel beszélgettem,
  • 5:41 - 5:44
    és arra voltam kíváncsi,
    kik a vetélytársak.
  • 5:44 - 5:47
    És volt köztük pár nagyszerű név.
  • 5:47 - 5:48
    Azon a héten jött ki...
  • 5:48 - 5:49
    (Nevetés)
  • 5:49 - 5:52
    Dan Brown "Az elveszett jelkép"
    című könyve,
  • 5:52 - 5:55
    és akkor jelent meg "Az utolsó dal"
  • 5:55 - 5:57
    Nicholas Sparkstól.
  • 5:57 - 6:00
    És ha végignézünk a listán,
  • 6:00 - 6:03
    látjuk, hogy teljesítmény tekintetében
    szinte alig van különbség
  • 6:03 - 6:05
    az előbb felsorolt könyvek
    és az enyém között.
  • 6:05 - 6:07
    Így van?
  • 6:07 - 6:11
    Vagyis ha Nicholas Sparks csapata
    egy kicsit szorgalmasabban dolgozik,
  • 6:11 - 6:13
    akár elsők is lehettek volna,
  • 6:13 - 6:16
    hiszen szinte csak a véletlenen
    múlik, ki kerül a csúcsra.
  • 6:16 - 6:20
    Akkor azt mondtam, nézzük meg az adatokat,
    elvégre a számok embere vagyok, nem?
  • 6:20 - 6:24
    Nézzük meg, hány Nicholas Sparks
    könyvet adtak el.
  • 6:24 - 6:26
    Kiderült, hogy az első héten
  • 6:26 - 6:29
    Nicholas Sparks könyvéből több
    mint 100 000 példányt vásároltak meg,
  • 6:29 - 6:31
    ami elképesztően nagy szám.
  • 6:31 - 6:34
    Már azzal is felkerülhet az ember
    a "New York Times" bestseller listájára,
  • 6:34 - 6:36
    ha egy héten 10 000 könyvét eladják.
  • 6:36 - 6:40
    Ő ezt tízszeresen felülmúlta.
  • 6:40 - 6:42
    Mégsem ő lett az első.
  • 6:42 - 6:43
    Miért?
  • 6:43 - 6:47
    Mert ott volt Dan Brown könyve, ami
    1,2 millió példányban kelt el ugyanakkor.
  • 6:47 - 6:49
    (Nevetés)
  • 6:49 - 6:53
    Azért szeretem ezt a számot,
    mert megmutatja,
  • 6:53 - 6:56
    hogy a siker korlátlan,
  • 6:57 - 7:03
    és hogy az elsőnek nemcsak egy kicsivel,
  • 7:03 - 7:06
    hanem nagyságrendekkel is több juthat,
    mint a másodiknak,
  • 7:06 - 7:08
    mivel a siker kollektív mérőszám.
  • 7:08 - 7:13
    A sikert másoktól kapjuk,
    nem a teljesítményünkkel érdemeljük ki.
  • 7:13 - 7:18
    Tehát arra a következtetésre jutottunk,
    hogy bár a teljesítmény korlátos,
  • 7:18 - 7:21
    a siker közösségi és korlátlan.
  • 7:21 - 7:22
    Fel is merült a kérdés:
  • 7:22 - 7:25
    Miért van ekkora különbség
    a siker mértékében,
  • 7:25 - 7:28
    ha maga a teljesítmény nem tér el
    nagy mértékben?
  • 7:29 - 7:32
    Nemrégiben jelent meg egy könyvem,
    amit ennek a kérdésnek szenteltem.
  • 7:32 - 7:35
    Nem kaptam túl sok időt,
    hogy ezt részletesen kifejtsem,
  • 7:35 - 7:37
    ezért szeretnék visszamenni
    ahhoz a kérdéshez,
  • 7:37 - 7:41
    hogy az rendben van, hogy sikeresek
    leszünk, de mikor kell ennek jelentkeznie?
  • 7:41 - 7:45
    Lépjünk tehát vissza az ünneprontó
    gondolathoz, és tegyük fel a kérdést:
  • 7:45 - 7:49
    Miért állította Einstein
    azt a nevetséges dolgot,
  • 7:49 - 7:52
    hogy csak 30 éves korunk előtt
    lehetünk ténylegesen kreatívak?
  • 7:52 - 7:56
    Nos azért, mert körülnézett, és látta
    azt a rengeteg nagyszerű fizikust,
  • 7:56 - 8:00
    akik akkor fektették le a modern
    fizika és a kvantummechanika alapjait,
  • 8:00 - 8:03
    mikor huszonévesek voltak,
    de legfeljebb épp csak harmincasok.
  • 8:04 - 8:05
    Mert hát nem volt egyedül.
  • 8:05 - 8:08
    Azt sem mondhatjuk, hogy mindössze
    megfigyelési hibáról van szó,
  • 8:08 - 8:11
    hiszen a zsenikutatók
  • 8:11 - 8:13
    egész sor dokumentummal igazolták a tényt,
  • 8:13 - 8:16
    hogy ha régi nagyságokra gondolunk,
  • 8:16 - 8:19
    és megnézzük, hány éves korukban
    alkották legjelentősebb műveiket,
  • 8:19 - 8:22
    akár zenéről, tudományról,
  • 8:22 - 8:23
    vagy mérnöki tudományokról van szó,
  • 8:23 - 8:29
    látjuk, hogy legtöbben 20-as, 30-as
    éveikben, vagy 40-es éveik elején jártak.
  • 8:30 - 8:33
    A zsenikutatással azonban
    van egy probléma.
  • 8:33 - 8:36
    Elsősorban az, hogy azt a képet
    alakította ki bennünk,
  • 8:37 - 8:40
    hogy a kreativitás egyenlő a fiatalsággal,
  • 8:40 - 8:42
    ami elég fájdalmas, igaz?
  • 8:42 - 8:44
    (Nevetés)
  • 8:44 - 8:48
    De van itt egy megfigyelési hiba is,
  • 8:48 - 8:52
    mivel csak a kiemelkedő tehetségeket
    vizsgálták, az egyszerű tudósokat nem.
  • 8:53 - 8:55
    A vizsgálat tehát nem általánosan
    tette fel a kérdést:
  • 8:55 - 8:58
    Igaz-e az, hogy a korral együtt
    elveszítjük a kreativitásunkat is?
  • 8:58 - 9:00
    Mi pontosan erre kerestük a választ.
  • 9:00 - 9:04
    Ehhez viszont fontos volt,
    hogy legyenek referenciapontjaink.
  • 9:04 - 9:07
    Vegyünk tehát
    egy átlagos tudóst, mint én,
  • 9:07 - 9:09
    vizsgáljuk meg az én karrierem alakulást.
  • 9:09 - 9:12
    Itt látható azon tanulmányok listája,
    melyeket eddig publikáltam,
  • 9:12 - 9:17
    az 1989-ben megjelent első tanulmányomtól,
    amit még Romániában írtam,
  • 9:17 - 9:18
    egészen az idei évig.
  • 9:19 - 9:22
    A függőleges tengelyen ábrázoltam,
    milyen hatása volt az adott tanulmánynak,
  • 9:22 - 9:23
    hányan hivatkoztak rá,
  • 9:23 - 9:27
    hány további tanulmány készült,
    melyben erre hivatkoznak.
  • 9:27 - 9:29
    Ha ezt megnézik,
  • 9:29 - 9:32
    láthatják, hogy karrierem
    nagyjából három fázisra osztható.
  • 9:32 - 9:34
    Ott volt az első 10 év,
    amikor rengeteget dolgoztam,
  • 9:34 - 9:35
    viszont nem értem el túl sokat.
  • 9:35 - 9:38
    Ekkor még senkit nem érdekel,
    mivel foglalkozom, igaz?
  • 9:38 - 9:39
    A munkámnak nincs még hatása.
  • 9:39 - 9:41
    (Nevetés)
  • 9:41 - 9:43
    Akkor még anyagtudományokkal foglalkoztam,
  • 9:44 - 9:47
    később felfedeztem magamnak a hálózatokat,
  • 9:47 - 9:49
    és ezekről kezdtem írni.
  • 9:49 - 9:52
    Onnan már egyik nagy hatású
    tanulmány jelent meg a másik után.
  • 9:52 - 9:55
    Nagyszerű érzés volt ez –
    ez volt karrierem csúcsidőszaka.
  • 9:55 - 9:57
    (Nevetés)
  • 9:57 - 10:00
    A kérdés az, hogy mi van most?
  • 10:01 - 10:04
    És ezt természetesen nem tudjuk,
    mert nem telt el elegendő idő ahhoz,
  • 10:04 - 10:07
    hogy megmondjuk, milyen hatása lesz
    az új tanulmányoknak –
  • 10:07 - 10:08
    ehhez még idő kell.
  • 10:08 - 10:09
    Ha ezeket az adatokat nézzük,
  • 10:09 - 10:13
    úgy tűnik, Einsteinnek
    és a zsenikutatóknak igaza volt.
  • 10:13 - 10:15
    Most karrieremnek "ezen" a szintjén állok.
  • 10:15 - 10:17
    (Nevetés)
  • 10:17 - 10:23
    Erre azt mondtuk, rendben, akkor
    nézzük meg, hogyan is történik mindez.
  • 10:23 - 10:25
    Nézzük először a tudomány világát.
  • 10:25 - 10:28
    Hogy elkerüljük a kiválasztási hibákat,
  • 10:28 - 10:30
    nemcsak a géniuszokat vizsgáltuk,
  • 10:30 - 10:33
    hanem megnéztük minden tudós életrajzát
  • 10:33 - 10:36
    1900-tól napjainkig.
  • 10:36 - 10:40
    Minden tudósnál meghatároztuk,
    mi volt pályafutásának csúcspontja,
  • 10:40 - 10:42
    hogy kapott-e valaha
    Nobel-díjat vagy nem,
  • 10:42 - 10:46
    sőt az is lehet, hogy senki nem ismerte
    még legjelentősebb eredményeit sem.
  • 10:46 - 10:48
    Ezt látják a következő dián.
  • 10:48 - 10:49
    Minden sor egy-egy tudósé,
  • 10:49 - 10:52
    a világoskék pont azt jelzi,
    mikor voltak karrierjük csúcsán,
  • 10:52 - 10:54
    mikor érték el a legkiemelkedőbb
    eredményeket.
  • 10:54 - 10:56
    A kérdés pedig az,
  • 10:56 - 10:59
    mikor tették
    a legnagyobb felfedezést.
  • 10:59 - 11:01
    Ahhoz, hogy ezt mérni tudjuk,
  • 11:01 - 11:04
    azt vizsgáltuk, mi a valószínűsége,
    hogy mondjuk karrierje első, második,
  • 11:04 - 11:07
    vagy tizedik évében jut el
    egy tudós a nagy felfedezéshez.
  • 11:07 - 11:08
    Itt nem a valós életkort vettük,
  • 11:08 - 11:10
    hanem az ún. "tudományos életkort".
  • 11:10 - 11:14
    A tudományos életkor akkor kezdődik,
    mikor az első tanulmányunkat publikáljuk.
  • 11:14 - 11:15
    Igen, néhányan még kisbabák.
  • 11:15 - 11:17
    (Nevetés)
  • 11:17 - 11:19
    Nézzük, mikor legvalószínűbb,
  • 11:19 - 11:21
    hogy megjelenik a legjelentősebb munka.
  • 11:21 - 11:25
    Itt is azt látjuk, hogy igaza van
    a zsenikutatóknak.
  • 11:25 - 11:28
    A legnagyobb hatású munkáját
    ugyanis a legtöbb tudós
  • 11:28 - 11:30
    karrierje első 10-15 évében adja ki,
  • 11:31 - 11:33
    aztán hanyatlásnak indul.
  • 11:34 - 11:36
    Olyan gyorsan hanyatlik a teljesítmény,
  • 11:36 - 11:39
    hogy az én esetemben, aki most pont
    karrierem 30. évében járok,
  • 11:39 - 11:44
    az esélye annak, hogy bármi
    nagyobb hatásút írjak annál, mint eddig,
  • 11:44 - 11:46
    kevesebb mint egy százalék.
  • 11:46 - 11:49
    Az itt látható adatok is mutatják,
    hogy karrierem leszálló ágában járok.
  • 11:50 - 11:51
    Csakhogy van ezzel egy kis probléma.
  • 11:52 - 11:55
    Nem jelöltük ugyanis
    megfelelően a változókat.
  • 11:55 - 11:57
    Iktassuk be azt a szempontot,
  • 11:57 - 12:01
    hogy van olyan tudós, aki csak
    alkalmanként jelentkezik eredményekkel.
  • 12:01 - 12:04
    Hogyan írhatjuk le
    az ilyen tudósok teljesítményét?
  • 12:04 - 12:06
    Ők mikor jelentetnek meg tanulmányokat?
  • 12:06 - 12:08
    Megmértük tehát a teljesítményt,
  • 12:08 - 12:11
    és azt a hihetetlen eredményt kaptuk,
    hogy a teljesítmény,
  • 12:11 - 12:15
    vagyis annak valószínűsége, hogy pályánk
    első, 10. vagy 20. évében publikálunk,
  • 12:15 - 12:18
    megkülönböztethetetlen
    annak valószínűségétől,
  • 12:18 - 12:21
    amilyen hatást karrierünk
    adott szintjén elérhetünk.
  • 12:21 - 12:23
    Hogy röviden összefoglaljam a dolgot,
  • 12:23 - 12:27
    sok-sok statisztikai mérés után,
    erre csak egy magyarázatot tudtunk adni,
  • 12:27 - 12:30
    és ez nem volt más, mint az,
    hogy mi, tudósok úgy dolgozunk,
  • 12:30 - 12:34
    hogy minden egyes tanulmány, amit írunk,
    minden projekt, amiben részt veszünk,
  • 12:34 - 12:38
    ugyanakkora eséllyel lehet
    egyben legkiválóbb teljesítményünk.
  • 12:38 - 12:40
    A tudományos felfedezés
    olyan tehát, mint a lutri.
  • 12:41 - 12:45
    Minél több lottószelvényünk van,
  • 12:45 - 12:47
    annál nagyobb az esély, hogy nyerünk.
  • 12:47 - 12:48
    És úgy tűnik,
  • 12:48 - 12:51
    a legtöbb tudós ezeket a szelvényeket
  • 12:51 - 12:54
    pályafutása első 10-15 évében szerzi be.
  • 12:54 - 12:57
    Aztán csökken a teljesítmény.
  • 12:57 - 12:59
    Már nem vesznek több szelvényt.
  • 13:00 - 13:03
    Úgy tűnik, mintha
    elvesztették volna a kreativitásukat.
  • 13:03 - 13:05
    Valójában azonban,
    inkább nem próbálkoznak tovább.
  • 13:06 - 13:09
    Tehát ha összesítjük az adatokat,
    azt az egyszerű eredményt kapjuk,
  • 13:09 - 13:12
    hogy a siker bármikor beüthet.
  • 13:12 - 13:16
    Ennek kiváltója lehet pályafutásunk
    első vagy utolsó tanulmánya is.
  • 13:16 - 13:20
    A vizsgált téma tekintetében is
    teljesen esetleges ez.
  • 13:20 - 13:22
    Ami változik, az a teljesítmény.
  • 13:22 - 13:23
    Hadd hozzak erre egy példát.
  • 13:23 - 13:28
    A képen Frank Wilczeket látják, aki első,
    még egyetemistaként írt tanulmányával
  • 13:28 - 13:30
    nyerte el a fizikai Nobel-díjat.
  • 13:31 - 13:32
    (Nevetés)
  • 13:32 - 13:34
    Még nála is érdekesebb John Fenn esete,
  • 13:35 - 13:39
    akit a Yale Egyetem 70 évesen
    kényszernyugdíjazott.
  • 13:39 - 13:41
    Még a laborját is bezárták.
  • 13:41 - 13:45
    Fenn ekkor átment
    a Virginia Commonwealth Egyetemre,
  • 13:45 - 13:47
    új labort nyitott,
  • 13:47 - 13:50
    és ekkor, 72 évesen
    írta azt a tanulmányát,
  • 13:50 - 13:54
    melyért 15 évvel később
    megkapta a kémiai Nobel-díjat.
  • 13:55 - 13:58
    És most gondolhatják azt,
    hogy hát a tudomány világa mégis más,
  • 13:58 - 14:02
    de mi a helyzet más foglalkozásokkal,
    ahol szükség van a kreativitásra?
  • 14:02 - 14:06
    Hadd mondjak el itt egy másik jellegzetes
    példát: nézzük a vállalkozásokat.
  • 14:07 - 14:08
    Szilícium-völgy,
  • 14:08 - 14:11
    a feltörekvő ifjúság Mekkája, ugye?
  • 14:11 - 14:12
    És tényleg, ha megnézzük, látjuk,
  • 14:12 - 14:17
    hogy a legnagyobb díjakat,
    mint a TechCrunch-díj és egyebek,
  • 14:17 - 14:18
    azok kapják,
  • 14:18 - 14:24
    akik átlagéletkora alig 30,
    vagy csak egy kicsivel több annál.
  • 14:24 - 14:30
    Nézzék meg, kiket támogatnak
    a kockázati tőkések és vállalataik:
  • 14:30 - 14:32
    a 30 év körülieket.
  • 14:33 - 14:35
    Ami persze azért van, ezt mind tudjuk,
  • 14:35 - 14:39
    mert a Szilícium-völgyben úgy gondolják,
    a fiatalság egyenlő a sikerrel.
  • 14:40 - 14:42
    Az adatok viszont nem ezt mutatják.
  • 14:42 - 14:44
    Mert itt nem csak
    magáról a cégalapításról van szó.
  • 14:44 - 14:47
    A cégalapítás egy teljesítmény -
    próbálkozunk, próbálkozunk.
  • 14:47 - 14:50
    De nézzük meg, kik azok,
  • 14:50 - 14:54
    akik valóban sikeres céget hoznak létre,
    vagy más módon lesznek sikeresek.
  • 14:54 - 14:57
    Nemrégiben néhány kollégám
    ennek a kérdésnek járt utána.
  • 14:57 - 15:01
    És igen, kiderült, hogy a 20-as, 30-asok
  • 15:01 - 15:04
    nagyon sok céget alakítanak,
    sok céget hoznak létre,
  • 15:04 - 15:06
    de legtöbbjük csődbe megy.
  • 15:06 - 15:10
    Ha megnézzük, mitől lesz valaki sikeres
    ebben az esetben, azt látjuk,
  • 15:10 - 15:14
    hogy minél idősebb valaki, annál nagyobb
    az esélye annak, hogy jegyezzék a tőzsdén,
  • 15:14 - 15:17
    vagy hogy nyereségesen adja el a cégét.
  • 15:17 - 15:19
    Ez nagyon egyértelműen megmutatkozott.
  • 15:19 - 15:23
    Egy ötvenes üzletembernek
    kétszer akkora esélye van a sikerre,
  • 15:24 - 15:25
    mint egy harmincasnak.
  • 15:27 - 15:30
    (Taps)
  • 15:32 - 15:35
    Végeredményben tehát,
    mi is derül ki mindebből?
  • 15:35 - 15:39
    Az, hogy a kreativitás nem életkorfüggő.
  • 15:39 - 15:41
    A teljesítmény viszont igen, igaz?
  • 15:41 - 15:45
    Ebből számomra az következik,
    hogy végső soron,
  • 15:46 - 15:47
    ha az ember próbálkozik,
  • 15:48 - 15:50
    (Nevetés)
  • 15:50 - 15:54
    újra és újra érhet el sikereket.
  • 15:54 - 15:56
    A végkövetkeztetés tehát nagyon egyszerű:
  • 15:56 - 15:58
    megyek is vissza a laboromba.
  • 15:58 - 15:59
    Köszönöm.
  • 15:59 - 16:03
    (Taps)
Title:
Van-e kapcsolat az életkor és a siker között?
Speaker:
Barabási Albert László
Description:

Barabási Albert László hálózatkutató matematikai eszközök segítségével vizsgálja a siker mibenlétét - az élet bármely területén érjük is el azt -, és bemutatja, mi a kapcsolat az életkor és annak esélye között, hogy sikeresek lehetünk.

more » « less
Video Language:
English
Team:
closed TED
Project:
TEDTalks
Duration:
16:16

Hungarian subtitles

Revisions