Today, actually, is a very special day for me, because it is my birthday.
Idag är det faktiskt en speciell dag för mig. Jag fyller år.
(Applause)
(Applåder)
And so, thanks to all of you for joining the party.
Så därför, tack till alla er som kommit på min fest.
(Laughter)
(Skratt)
But every time you throw a party, there's someone there to spoil it. Right?
Men på varje fest finns en festförstörare.
(Laughter)
Eller hur?
And I'm a physicist,
(Skratt)
and this time I brought another physicist along to do so. His name is Albert Einstein -- also Albert -- and he's the one who said that the person who has not made his great contributions to science by the age of 30 will never do so.
Jag är fysiker och idag tog jag med en kollega som får agera festförstörare. Han heter Albert Einstein, Albert som jag, och han sa att den som inte gett sitt stora bidrag till vetenskapen vid 30 års ålder aldrig kommer att göra det.
(Laughter)
(Skratt)
Now, you don't need to check Wikipedia that I'm beyond 30.
Du behöver inte kolla Wikipedia för att förstå att jag passerat 30.
(Laughter)
(Skratt)
So, effectively, what he is telling me, and us, is that when it comes to my science, I'm deadwood. Well, luckily, I had my share of luck within my career. Around age 28, I became very interested in networks, and a few years later, we managed to publish a few key papers that reported the discovery of scale-free networks and really gave birth to a new discipline that we call network science today. And if you really care about it, you can get a PhD now in network science in Budapest, in Boston, and you can study it all over the world.
Han säger alltså till mig och till oss att jag bara är en belastning inom min vetenskapsgren. Men tack och lov har jag haft min andel tur i karriären. När jag var 28 blev jag mycket intresserad av nätverk och några år senare lyckades vi publicera några nyckelrapporter om upptäckten av skalfria nätverk som blev starten för den disciplin som nu kallas nätverksvetenskap. Den riktigt intresserade kan doktorera i nätverksvetenskap i Budapest och i Boston och man kan studera ämnet i hela världen.
A few years later, when I moved to Harvard first as a sabbatical, I became interested in another type of network: that time, the networks within ourselves, how the genes and the proteins and the metabolites link to each other and how they connect to disease. And that interest led to a major explosion within medicine, including the Network Medicine Division at Harvard, that has more than 300 researchers who are using this perspective to treat patients and develop new cures.
Några år senare när jag flyttade till Harvard under ett sabbatsår blev jag intresserad av en annan sorts nätverk: nätverken i våra kroppar, hur gener, proteiner och deras nedbrytningsprodukter är länkade till varandra och till sjukdomar. Intresset ledde till en revolution inom medicinforskningen, till exempel Avdelningen för medicinska nätverk på Harvard där över 300 forskare använder detta perspektiv i behandlingen av patienter och i forskningen om nya botemedel.
And a few years ago, I thought that I would take this idea of networks and the expertise we had in networks in a different area, that is, to understand success. And why did we do that? Well, we thought that, to some degree, our success is determined by the networks we're part of -- that our networks can push us forward, they can pull us back. And I was curious if we could use the knowledge and big data and expertise where we develop the networks to really quantify how these things happen.
För några år sedan fick jag idén att använda denna teori om nätverk och vår expertis om nätverk inom ett nytt område. Nämligen för att förstå framgång. Varför gjorde vi det? Vi tänkte att, på något sätt, borde vår framgång bero på de nätverk vi ingår i. Våra nätverk kan dra oss framåt eller hålla oss tillbaka. Jag undrade om vi kunde använda all data och all vår expertkunskap när vi utvecklar nätverk för att kvantifiera hur detta kan ske.
This is a result from that. What you see here is a network of galleries in museums that connect to each other. And through this map that we mapped out last year, we are able to predict very accurately the success of an artist if you give me the first five exhibits that he or she had in their career.
Detta är ett resultat. Det ni ser här är ett nätverk av gallerier på museer som länkar till varandra. Tack vare denna karta som vi tog fram förra året kan vi väldigt exakt förutspå hur väl en konstnär kommer att lyckas utifrån hans eller hennes fem första utställningar.
Well, as we thought about success, we realized that success is not only about networks; there are so many other dimensions to that. And one of the things we need for success, obviously, is performance. So let's define what's the difference between performance and success. Well, performance is what you do: how fast you run, what kind of paintings you paint, what kind of papers you publish. However, in our working definition, success is about what the community notices from what you did, from your performance: How does it acknowledge it, and how does it reward you for it? In other terms, your performance is about you, but your success is about all of us. And this was a very important shift for us, because the moment we defined success as being a collective measure that the community provides to us, it became measurable, because if it's in the community, there are multiple data points about that. So we go to school, we exercise, we practice, because we believe that performance leads to success. But the way we actually started to explore, we realized that performance and success are very, very different animals when it comes to the mathematics of the problem. And let me illustrate that.
När vi nu tänkte på framgång insåg vi att framgång inte bara handlar om nätverk; det beror på så många andra faktorer. En sak som självklart krävs för framgång är prestation. Nu måste vi definiera skillnaden mellan prestation och framgång. Prestation är vad du gör: hur fort du springer, vilka tavlor du målar, vilka artiklar du publicerar. I vår definition handlar framgång om vad omgivningen lägger märke till av det du gjorde, av din prestation. Hur bekräftas din prestation och hur belönas du för den? Med andra ord handlar din prestation om dig. Framgång handlar om oss alla. Detta blev en vändpunkt för oss för när framgång definieras som ett totalmått som vår omgivning ger oss blev det mätbart för om det finns i vår omgivning så finns det massor av mätpunkter. Så vi går till skolan, vi övar, vi tränar, för vi tror att prestation leder till framgång. Men efterhand som vi forskade insåg vi att prestation och framgång är väsensskilda ting när det handlar om det matematiska i problemet. Låt mig visa detta.
So what you see here is the fastest man on earth, Usain Bolt. And of course, he wins most of the competitions that he enters. And we know he's the fastest on earth because we have a chronometer to measure his speed. Well, what is interesting about him is that when he wins, he doesn't do so by really significantly outrunning his competition. He's running at most a percent faster than the one who loses the race. And not only does he run only one percent faster than the second one, but he doesn't run 10 times faster than I do -- and I'm not a good runner, trust me on that.
Här ser ni Usain Bolt, världens snabbaste man. Han vinner såklart det mesta han ställer upp i. Vi vet att han är världens snabbaste för vi har tidtagarur. Det som är intressant är att när han vinner vinner han inte med stor marginal. Han är max en procent snabbare än den som förlorar loppet. Han springer bara en procent snabbare än tvåan och han springer inte tio gånger fortare än jag och jag är ingen bra löpare - tro mig!
(Laughter)
(Skratt)
And every time we are able to measure performance, we notice something very interesting; that is, performance is bounded. What it means is that there are no huge variations in human performance. It varies only in a narrow range, and we do need the chronometer to measure the differences. This is not to say that we cannot see the good from the best ones, but the best ones are very hard to distinguish. And the problem with that is that most of us work in areas where we do not have a chronometer to gauge our performance.
Varje gång vi kan mäta prestation noterar vi något mycket intressant; prestationen är begränsad. Med det menar vi att variationerna är små. Prestationen varierar inom ett litet område, så vi behöver tidtagarur för att notera skillnaden. Det betyder inte att vi inte kan skilja de bra från de bästa, men det är svårt att särskilja de bästa. Problemet med det är att vi oftast jobbar i branscher där vi inte kan mätas med tidtagarur.
Alright, performance is bounded, there are no huge differences between us when it comes to our performance. How about success? Well, let's switch to a different topic, like books. One measure of success for writers is how many people read your work. And so when my previous book came out in 2009, I was in Europe talking with my editor, and I was interested: Who is the competition? And I had some fabulous ones. That week --
Så, prestationen är begränsad, det är inga stora skillnader mellan oss vad gäller prestation. Men framgång då? Vi byter till ett nytt ämne; böcker. Ett mått på en författares framgång är hur många som läser hens bok. Så när min senaste bok gavs ut 2009 pratade jag med min europeiska utgivare. Jag frågade: Vilka är mina konkurrenter? De var fantastiska! Samma vecka -
(Laughter)
(Skratt)
Dan Brown came out with "The Lost Symbol," and "The Last Song" also came out, Nicholas Sparks. And when you just look at the list, you realize, you know, performance-wise, there's hardly any difference between these books or mine. Right? So maybe if Nicholas Sparks's team works a little harder, he could easily be number one, because it's almost by accident who ended up at the top. So I said, let's look at the numbers -- I'm a data person, right? So let's see what were the sales for Nicholas Sparks. And it turns out that that opening weekend, Nicholas Sparks sold more than a hundred thousand copies, which is an amazing number. You can actually get to the top of the "New York Times" best-seller list by selling 10,000 copies a week, so he tenfold overcame what he needed to be number one. Yet he wasn't number one. Why? Because there was Dan Brown, who sold 1.2 million copies that weekend.
kom Dan Brown ut med "Den förlorade symbolen", och Nicholas Sparks kom ut med "The last song". Om du tittar på listan så förstår du att prestationsmässigt är det ingen stor skillnad mellan dessa böcker och min bok. Eller hur? Kanske om Nicholas Sparks förlag jobbat lite hårdare, så kunde han varit listetta, det är ju lite av en slump vem som hamnar överst. Siffermänniska som jag är, sa jag: låt oss titta på siffrorna. Låt oss kolla Nicholas Sparks försäljningssiffror. Det visar sig att han redan första helgen sålde mer än 100 000 exemplar. Ett otroligt antal! Man kan faktiskt bli etta på New York Times bästsäljarlista med 10 000 exemplar på en vecka, så han sålde tio gånger så mycket. Ändå blev han inte etta. Varför? För att Dan Brown sålde 1,2 miljoner exemplar samma helg.
(Laughter)
(Skratt)
And the reason I like this number is because it shows that, really, when it comes to success, it's unbounded, that the best doesn't only get slightly more than the second best but gets orders of magnitude more, because success is a collective measure. We give it to them, rather than we earn it through our performance.
Jag gillar de här siffrorna, för de visar verkligen att framgången är obegränsad. Den bästa får inte lite mer än den näst bästa, utan många gånger mer, eftersom framgång bestäms av kollektivet. Man snarare får framgång, än förtjänar med sin prestation.
So one of things we realized is that performance, what we do, is bounded, but success, which is collective, is unbounded, which makes you wonder: How do you get these huge differences in success when you have such tiny differences in performance? And recently, I published a book that I devoted to that very question. And they didn't give me enough time to go over all of that, so I'm going to go back to the question of, alright, you have success; when should that appear?
Så nu har vi insett att prestationen, det vi gör, har sina begränsningar, men framgång, som bestäms av andra, saknar begränsningar. Nu undrar man: Hur kan skillnaderna i framgång vara så extremt stora när skillnaden i prestation är så liten? Jag gav nyligen ut en bok som handlade om just det. Men det hinner jag inte berätta om idag, så jag återgår till frågan om framgång: när får man det?
So let's go back to the party spoiler and ask ourselves: Why did Einstein make this ridiculous statement, that only before 30 you could actually be creative? Well, because he looked around himself and he saw all these fabulous physicists that created quantum mechanics and modern physics, and they were all in their 20s and early 30s when they did so. And it's not only him. It's not only observational bias, because there's actually a whole field of genius research that has documented the fact that, if we look at the people we admire from the past and then look at what age they made their biggest contribution, whether that's music, whether that's science, whether that's engineering, most of them tend to do so in their 20s, 30s, early 40s at most. But there's a problem with this genius research. Well, first of all, it created the impression to us that creativity equals youth, which is painful, right?
Låt oss återgå till festförstöraren och fråga oss: Varför kom Einstein med det fåniga påståendet att man bara är kreativ före 30? Tja, han tittade runt sig och såg fantastiska fysiker som skapade kvantmekanik och modern fysik och de var alla kring 20 eller 30 år. Men det är inte bara han. Och det är inte bara fördomar, utan forskningen kring genier har visat det faktum att när vi tittar på de vi beundrar mest genom historien och hur gamla de var när de presterade som bäst inom musiken, inom vetenskapen, inom ingenjörskonsten, var de flesta kring 20, 30 eller möjligen 40. Det finns dock ett problem med forskningen kring genier. För det första ger den oss intrycket att kreativitet sammanfaller med ungdom och det känns ju jobbigt, eller?
(Laughter)
(Skratt)
And it also has an observational bias, because it only looks at geniuses and doesn't look at ordinary scientists and doesn't look at all of us and ask, is it really true that creativity vanishes as we age? So that's exactly what we tried to do, and this is important for that to actually have references.
Forskningen innehåller också ett systematiskt fel för den tittar bara på genierna och inte på de vanliga forskarna och den tittar inte på oss alla och frågar om det verkligen är sant att kreativiteten minskar med åren. Så precis det har vi försökt göra för att få korrekta referenser.
So let's look at an ordinary scientist like myself, and let's look at my career. So what you see here is all the papers that I've published from my very first paper, in 1989; I was still in Romania when I did so, till kind of this year. And vertically, you see the impact of the paper, that is, how many citations, how many other papers have been written that cited that work. And when you look at that, you see that my career has roughly three different stages. I had the first 10 years where I had to work a lot and I don't achieve much. No one seems to care about what I do, right? There's hardly any impact.
Låt oss titta på en ordinär forskare som jag själv. Låt oss titta på min karriär. Här ser ni de artiklar jag publicerat från den allra första, 1989, när jag fortfarande var i Rumänien, till i år. På den vertikala axeln ser ni artikelns tyngd, hur ofta den blivit citerad, hur många andra artiklar som citerar den. När man tittar på det ser man att min karriär haft i princip tre faser. De första tio åren jobbade jag hårt och uppnådde inte mycket. Ingen verkade bry sig om vad jag gjorde. Det betydde inget.
(Laughter)
(Skratt)
That time, I was doing material science, and then I kind of discovered for myself networks and then started publishing in networks. And that led from one high-impact paper to the other one. And it really felt good. That was that stage of my career.
Jag höll på med materialforskning när jag upptäckte nätverk och började skriva artiklar om det. Och det ledde till flera tunga artiklar. Det kändes riktigt bra. Det var den fasen i karriären.
(Laughter)
(Skratt)
So the question is, what happens right now? And we don't know, because there hasn't been enough time passed yet to actually figure out how much impact those papers will get; it takes time to acquire. Well, when you look at the data, it seems to be that Einstein, the genius research, is right, and I'm at that stage of my career.
Så frågan är, vad händer nu? Det vet vi inte, det har inte gått tillräckligt mycket tid för att man ska kunna veta artiklarnas värde; sådan kunskap tar tid. Men om vi tittar på informationen verkar det som om Einstein och geniforskningen har rätt, och jag är i denna fas av min karriär.
(Laughter)
(Skratt)
So we said, OK, let's figure out how does this really happen, first in science. And in order not to have the selection bias, to look only at geniuses, we ended up reconstructing the career of every single scientist from 1900 till today and finding for all scientists what was their personal best, whether they got the Nobel Prize or they never did, or no one knows what they did, even their personal best. And that's what you see in this slide. Each line is a career, and when you have a light blue dot on the top of that career, it says that was their personal best. And the question is, when did they actually make their biggest discovery? To quantify that, we look at what's the probability that you make your biggest discovery, let's say, one, two, three or 10 years into your career? We're not looking at real age. We're looking at what we call "academic age." Your academic age starts when you publish your first papers. I know some of you are still babies.
Så vi tänkte att, OK, låt oss klura ut hur detta egentligen går till. Först inom vetenskapen. Vi ville göra ett korrekt urval, inte bara titta på genier, så vi gick igenom alla vetenskapsmän från år 1900 till idag för att finna varje persons höjdpunkt i karriären oavsett om de vann Nobelpris eller ej, eller om ingen minns vad de gjorde ens när de stod på topp. Det är det ni ser på denna bild. Varje linje är en karriär och den lilla blå pricken på varje karriär visar den personens bästa tid. Frågan är: när gjorde de sin största upptäckt? För att kvantifiera det, undersökte vi sannolikheten att man gör sin största upptäckt ett, två, tre eller tio år in i sin karriär. Vi tittar inte på verklig ålder utan på det vi kallar "akademisk ålder". Din akademiska ålder börjar när du publicerar din första artikel. Jag vet att några av er är spädbarn.
(Laughter)
(Skratt)
So let's look at the probability that you publish your highest-impact paper. And what you see is, indeed, the genius research is right. Most scientists tend to publish their highest-impact paper in the first 10, 15 years in their career, and it tanks after that. It tanks so fast that I'm about -- I'm exactly 30 years into my career, and the chance that I will publish a paper that would have a higher impact than anything that I did before is less than one percent. I am in that stage of my career, according to this data. But there's a problem with that. We're not doing controls properly. So the control would be, what would a scientist look like who makes random contribution to science? Or what is the productivity of the scientist? When do they write papers? So we measured the productivity, and amazingly, the productivity, your likelihood of writing a paper in year one, 10 or 20 in your career, is indistinguishable from the likelihood of having the impact in that part of your career.
Låt oss titta på sannolikheten för när du publicerar din viktigaste artikel. Man ser då att geniforskningen har rätt. De flesta publicerar sin viktigaste artikel under sina första 10, 15 år av karriären, och sedan rasar det. Det rasar fort. Jag är 30 år in i karriären och sannolikheten att jag ska publicera en artikel som är viktigare än vad jag gjort förut är mindre än 1 procent. Enligt dessa data är jag i den fasen av karriären. Problemet med detta är att vi inte hanterar våra data korrekt. Vi borde titta på vetenskapsmän som slumpmässigt som bidrar till vetenskapen. Eller hur produktiv är en sådan vetenskapsman? När skriver hen sina artiklar? Så vi mätte produktiviteten och märkligt nog är produktiviteten, sannolikheten att skriva en artikel i början av din karriär lika stor som sannolikheten att nå framgång i den fasen av din karriär.
And to make a long story short, after lots of statistical tests, there's only one explanation for that, that really, the way we scientists work is that every single paper we write, every project we do, has exactly the same chance of being our personal best. That is, discovery is like a lottery ticket. And the more lottery tickets we buy, the higher our chances. And it happens to be so that most scientists buy most of their lottery tickets in the first 10, 15 years of their career, and after that, their productivity decreases. They're not buying any more lottery tickets. So it looks as if they would not be creative. In reality, they stopped trying. So when we actually put the data together, the conclusion is very simple: success can come at any time. It could be your very first or very last paper of your career. It's totally random in the space of the projects. It is the productivity that changes.
För att göra en lång historia kort: Efter många statistiska tester kom vi fram till att så som vi arbetar inom vetenskapen har varje artikel och varje projekt exakt samma chans att vara ditt livs bästa. Upptäckter är som lotterivinster. Ju fler lotter vi köper, desto större chans att vinna. Och det råkar vara så att de flesta vetenskapsmän köper flest lotter de första 10, 15 åren av karriären, men sedan minskar deras produktivitet. De köper inga fler lotter. Det ser ut som om de inte längre är kreativa. I själva verket har de slutat försöka. När vi verkligen sätter ihop all data är slutsatsen enkel: Framgång kan komma när som helst. Det kan vara din allra första eller din allra sista artikel. Det är fullständigt slumpmässigt. Det är produktiviteten som förändras.
Let me illustrate that. Here is Frank Wilczek, who got the Nobel Prize in Physics for the very first paper he ever wrote in his career as a graduate student.
Låt mig illustrera detta. Här är Frank Wilczek, som fick Nobelpris i fysik för sin allra första artikel, som han skrev som ung student.
(Laughter)
(Skratt)
More interesting is John Fenn, who, at age 70, was forcefully retired by Yale University. They shut his lab down, and at that moment, he moved to Virginia Commonwealth University, opened another lab, and it is there, at age 72, that he published a paper for which, 15 years later, he got the Nobel Prize for Chemistry.
Ännu intressantare är John Fenn, som vid 70 pensionerades med tvång från Yale University. Hans labb stängdes ned och han flyttade till Virginia Commonwealth University. Han startade ett nytt labb och vid 72 års ålder publicerade han en artikel för vilken han 15 år senare fick Nobelpris i kemi.
And you think, OK, well, science is special, but what about other areas where we need to be creative? So let me take another typical example: entrepreneurship. Silicon Valley, the land of the youth, right? And indeed, when you look at it, you realize that the biggest awards, the TechCrunch Awards and other awards, are all going to people whose average age is late 20s, very early 30s. You look at who the VCs give the money to, some of the biggest VC firms -- all people in their early 30s. Which, of course, we know; there is this ethos in Silicon Valley that youth equals success. Not when you look at the data, because it's not only about forming a company -- forming a company is like productivity, trying, trying, trying -- when you look at which of these individuals actually put out a successful company, a successful exit. And recently, some of our colleagues looked at exactly that question. And it turns out that yes, those in the 20s and 30s put out a huge number of companies, form lots of companies, but most of them go bust. And when you look at the successful exits, what you see in this particular plot, the older you are, the more likely that you will actually hit the stock market or the sell the company successfully. This is so strong, actually, that if you are in the 50s, you are twice as likely to actually have a successful exit than if you are in your 30s.
Nu tror du kanske att detta bara gäller i vetenskap. Vad gäller i andra områden där man måste vara kreativ? Låt mig ta ett annat exempel: entreprenörskap. Silicon Valley, ungdomens förlovade land, eller? Jo, när man tittar på det, inser man att de finaste priserna, typ TechCrunch Award, går till personer som är i tjugo- eller trettioårsåldern. Titta på vem riskkapitalisterna ger pengar till. Bara människor i trettioårsåldern. Och vi vet ju att i Silicon Valley betyder ungdom framgång. Men inte om man tittar på fakta, det handlar inte bara om att starta ett företag. Bygga upp företag handlar om produktivitet - försöka, försöka. Och titta på vilka det är som faktiskt lyckas skapa ett framgångsrikt företag. Nyligen tittade några kollegor på precis den frågan. Och det visade sig att personer i 20- till 30-årsåldern startar många företag men de flesta av dem går omkull. Men i det här diagrammet på de framgångsrika ser du att ju äldre du är, desto troligare når du börsen eller säljer företaget med vinst. Sambandet är så starkt att det för en 50-åring är dubbelt så troligt att lyckas som för en 30-åring.
(Applause)
(Applåder)
So in the end, what is it that we see, actually? What we see is that creativity has no age. Productivity does, right? Which is telling me that at the end of the day, if you keep trying --
Så vad är egentligen vår slutsats? Vi har sett att kreativitet inte är åldersbundet. Men produktivitet är det. Detta säger mig att till slut, om man bara försöker,
(Laughter)
(Skratt)
you could still succeed and succeed over and over. So my conclusion is very simple: I am off the stage, back in my lab.
så kan man lyckas igen och igen. Så min slutsats är enkel: Jag lämnar scenen och går till mitt labb.
Thank you.
Tack.
(Applause)
(Applåder)